使用python实现离散时间傅里叶变换的方法
作者:weijifen000 时间:2021-10-26 19:44:07
我们经常使用傅里叶变换来计算数字信号的频谱,进而分析数字信号,离散时间傅里叶变换的公式为:
可是自己动手实现一遍才是最好的学习。
在数字分析里面,傅里叶变换默认等时间间隔采样,不需要时间序列,只需要信号数组即可分析。
分析过程如下:
对于含有 n 个样本值的数字信号序列,根据奈奎斯特采样定律,包含的周期数最大为 n/2,周期数为 0 代表直流分量。所以,当周期数表示为离散的 0,1,2,3…n/2 ,总的数目为
n/2+1
个傅里叶变换之后的结果为复数, 下标为 k 的复数 a+b*j 表示时域信号中周期为 N/k 个取样值的正弦波和余弦波的成分的多少, 其中 a 表示 cos 波形的成分, b 表示 sin 波形的成分
首先产生一个长度为 n,一倍周期的 $e^{-jwn} $ (即为 $cos(wn)-jsin(wn) $ )波样本序列.
将数字信号序列中的每一个样本与 1 倍周期的样本波形序列相乘,得到 n 个乘积,将 n 个乘积相加,放入 f[1] 中。
再产生一个长度为 n,两倍周期的 $e^{-jwn} $ (即为 $cos(wn)-jsin(wn) $ )波样本序列,再将数字信号序列中的每一个样本与 2 倍周期的样本波形序列相乘,得到 n 个乘积,将 n 个乘积相加,放入 f[2] 中。依次重复。
对于 0 倍周期,即直流分量来说,可以认为产生的是 0 倍周期的样本波形,重复操作,放入 f[0] 即可。
这样就得到了数字信号序列的傅里叶变换
使用方法:
从以上过程得到数字序列的傅里叶变换之后,如果想要得到真正频谱,还需要做处理:
计算出的每一个频率下的幅值需要除以时间序列的长度,类似求平均的过程
每一个频率下的幅值是一个复数,需要对它求模,而且因为在负频率处也有值,所以需要对于实信号需要乘 2
频率的序列为 0 到采样率的一半,长度为 n/2+1
完整程序:
# 离散时间傅里叶变换的 python 实现
import numpy as np
import math
import pylab as pl
import scipy.signal as signal
import matplotlib.pyplot as plt
sampling_rate=1000
t1=np.arange(0, 10.0, 1.0/sampling_rate)
x1 =np.sin(15*np.pi*t1)
# 傅里叶变换
def fft1(xx):
# t=np.arange(0, s)
t=np.linspace(0, 1.0, len(xx))
f = np.arange(len(xx)/2+1, dtype=complex)
for index in range(len(f)):
f[index]=complex(np.sum(np.cos(2*np.pi*index*t)*xx), -np.sum(np.sin(2*np.pi*index*t)*xx))
return f
# len(x1)
xf=fft1(x1)/len(x1)
freqs = np.linspace(0, sampling_rate/2, len(x1)/2+1)
plt.figure(figsize=(16,4))
plt.plot(freqs,2*np.abs(xf),'r--')
plt.xlabel("Frequency(Hz)")
plt.ylabel("Amplitude($m$)")
plt.title("Amplitude-Frequency curve")
plt.show()
plt.figure(figsize=(16,4))
plt.plot(freqs,2*np.abs(xf),'r--')
plt.xlabel("Frequency(Hz)")
plt.ylabel("Amplitude($m$)")
plt.title("Amplitude-Frequency curve")
plt.xlim(0,20)
plt.show()
此处实现的是传统的傅里叶变换,这种方法实际已经不用了,现在使用快速傅里叶变换,其实两种是等价的,但是快速傅里叶变换时间复杂度要小很多。
来源:https://blog.csdn.net/weijifen000/article/details/79598258
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
ACCESS中Field对象的标题属性
PYQT5开启多个线程和窗口,多线程与多窗口的交互实例
![](https://img.aspxhome.com/file/2023/6/62576_0s.jpg)
python3 简单实现组合设计模式
![](https://img.aspxhome.com/file/2023/2/59482_0s.png)
asp如何让用户也能修改密码?
SQL学习笔记二 创建表、插入数据的语句
解析一个通过添加本地分区索引提高SQL性能的案例
web2.0中流行的设计元素:颜色
![](https://img.aspxhome.com/file/UploadPic/200712/10/20071210121850432s.jpg)
Oracle相关组件版本信息的介绍
![](https://img.aspxhome.com/file/2023/4/64454_0s.png)
天气预报调用代码
![](https://img.aspxhome.com/file/UploadPic/200811/18/g20081115162112-94s.jpg)
解决golang编译提示dial tcp 172.217.160.113:443: connectex: A connection attempt failed(推荐)
Tensorflow简单验证码识别应用
![](https://img.aspxhome.com/file/2023/6/64646_0s.jpg)
运行(runCode)复制(copyCode)保存(saveCode)代码框方法
javascript二维数组转置实例
ThinkPHP发送邮件示例代码
![](https://img.aspxhome.com/file/2023/6/104176_0s.jpg)
python中yaml配置文件模块的使用详解
Golang中interface的基本用法详解
![](https://img.aspxhome.com/file/2023/7/99637_0s.png)
oracle & mysql 多实例启动区别
如何计算ASP页面的加载时间/载入时间?
PHP Session ID的实现原理与实例
FrontPage2002简明教程三:网页布局
![](https://img.aspxhome.com/file/UploadPic/200810/17/2008101711222914s.jpg)