脉冲压缩代码为从频域的角度得到频率响应函数H(f)，即利用了公式。然后对H(f)进行傅里叶反变换求到单位脉冲响应h(t)。请同学们从时域的角度，基于直接编写代码求h(t)。写出相应的代码

脉冲压缩通常用于雷达信号处理，其原理是通过对高频信号进行快速傅里叶变换（FFT），将其压缩到较低带宽，然后通过逆变换恢复原始信号的时间特性。在Python中，可以使用`numpy`库的`fft`和`ifft`函数来实现这个过程。

以下是使用Python实现脉冲压缩计算单位脉冲响应h(t)的一个简单示例：

import numpy as np

# 假设我们有一个理想正弦波作为输入，代表频谱H(f)
input_signal = np.sin(2 * np.pi * 10 * np.arange(1000)) / 1000  # 频率1kHz，幅度1000

# FFT转换到频域
fft_result = np.fft.fft(input_signal)

# 定义压缩因子和带宽限制
compression_factor = 4  # 压缩到原信号的1/4带宽
new_sampling_rate = input_signal.shape[0] // compression_factor  # 新的采样率

# 选择感兴趣的频带范围，这里假设是压缩后的上限频率
upper_frequency = input_signal.shape[0] // (2 * new_sampling_rate)
compressed_fft = fft_result[:upper_frequency]

# 反向FFT回溯到时域，得到单位脉冲响应h(t)
time_domain_signal = np.fft.ifft(compressed_fft)
unit_pulse_response = time_domain_signal.real  # 只取实部，因为输入信号是实数

# 输出h(t)的一部分，例如前100个样本
print("First 100 samples of h(t):", unit_pulse_response[:100])