使用python实现离散时间傅里叶变换的方法
2019-09-02 08:24
1326 查看
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。
以上就是本文的全部内容,希望对大家的学习有所帮助
您可能感兴趣的文章:
相关文章推荐
- 跨平台python异步回调机制实现和使用方法
- python使用multiprocessing模块实现带回调函数的异步调用方法
- Python使用functools实现注解同步方法
- Python使用函数默认值实现函数静态变量的方法
- 使用Python求解最大公约数的实现方法
- python使用fork实现守护进程的方法
- 朴素贝叶斯分类算法原理与Python实现与使用方法案例
- 使用Python的元类实现AOP监控类方法调用过程
- Python使用matplotlib实现在坐标系中画一个矩形的方法
- Python使用tablib生成excel文件的简单实现方法
- python 7-6 如何使用描述符对实例属性做类型检查,分别实现set,方法,在set内使用isinstance做类型检查
- Python使用functools实现注解同步方法
- 进度条加载与案例优化对比——python使用perf_count方法实现
- Python单元测试_使用装饰器实现测试跳过和预期故障的方法
- Python使用metaclass实现Singleton模式的方法
- python使用xlrd实现检索excel中某列含有指定字符串记录的方法
- python使用PIL模块实现给图片打水印的方法
- python使用reportlab实现图片转换成pdf的方法
- Python使用logging结合decorator模式实现优化日志输出的方法