從時間序列的PSD估計

Question

以下我的問題：我有一個PSD的理論模型，基於此我計算了一個時間序列。這個時間序列經過一些修改後，應該被轉換回我的PSD。不幸的是，我沒有得到我的原PSD回來，但略有不同的一個，我不知道爲什麼......

這裏是我的一些說明性代碼：

import numpy as np 
from scipy import fftpack 
import matplotlib.pyplot as plt 

bins = [1,2,3,4,5,6] #spots in the frequency domain 
PSD = [7,8,7,10,6,3] 
plt.loglog(bins, PSD) 

t = np.linspace(0,1,2**9, endpoint = 'false') 
signal = np.zeros_like(t) 

for i in range(6): 
signal += np.sqrt(PSD[i]) * np.cos(2*np.pi* t * bins[i] + random.uniform(0,2*np.pi)) 

n = signal.size 
timestep = t[1]-t[0] 
freq = np.fft.fftfreq(n, d=timestep) 
freq = freq[:freq.size/2] 
PSD_from_timeserie = abs(scipy.fftpack.fft(signal)/ n * 2)**2 
PSD_from_timeserie = PSD_from_timeserie[:PSD_from_timeserie.size/2] 
plt.loglog(freq, PSD_from_timeserie, 'x') 
plt.show() 

這幾乎提供了正確的PSD，因爲你可以輕鬆退房......任何關於錯誤的地方的建議？

Answer 1

問題解決了！

它竟成爲

t = np.linspace(0,1,2**9, endpoint = False) 

用大寫的「...... UNFO numpy的犯規拋出一個錯誤，但這樣一來它的工作原理;）」