使用python实现离散时间傅里叶变换的方法
更新时间：2019年09月02日 08:24:29 作者：weijifen000
这篇文章主要介绍了使用python实现离散时间傅里叶变换的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
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，也希望大家多多支持脚本之家。
相关文章
本文主要介绍了django执行原生SQL查询的实现，主要有两种方法实现，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-08-08
train.py里面加了很多额外的功能,使得整体看起来比较复杂,其实核心部分主要就是 读取数据集,加载模型,训练中损失的计算,下面这篇文章主要给大家介绍了关于yolov5中train.py代码注释详解与使用的相关资料,需要的朋友可以参考下2022-09-09
随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容，了解python爬虫，本文给大家分享Python爬取贝壳房源数据的实战教程，感兴趣的朋友一起学习吧2021-05-05
Python键值互换是一种对Python字典类型中键值对进行反转的技术，有时候，我们需要以值作为键，以键作为值来操作字典，这时候就需要用到键值互换的技术，本文主要介绍了Python键值互换的实现示例，需要的朋友们下面随着小编来一起学习学习吧2023-07-07
这篇文章主要介绍了python安装dlib库报错问题及解决方法,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-03-03
这篇文章主要介绍了python查看自己安装的所有库并导出,主要包括查看安装的库通过命令查询，导出库安装文件执行命令，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-06-06
这篇文章将介绍Python中多进程和进程池的使用方法，并提供一些实用的案例供大家参考，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2023-04-04
这篇文章主要为大家介绍了Python项目管理工具Poetry使用示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-09-09
这篇文章主要介绍了python实现的系统实用log类,实例分析了Python基于logging模块实现日志类的相关技巧,需要的朋友可以参考下2015-06-06
这篇文章主要介绍了django form和field具体方法和属性说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-07-07
最新评论