用python 写一个fft滤波程序

好的，以下是一个使用Python实现FFT滤波的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成测试信号
fs = 1000  # 采样率
t = np.arange(0, 1, 1/fs)  # 时间序列
f1 = 50  # 信号1频率
f2 = 150  # 信号2频率
x = np.sin(2*np.pi*f1*t) + 0.5*np.sin(2*np.pi*f2*t)

# 可视化原始信号
plt.subplot(2, 1, 1)
plt.plot(t, x)
plt.title('Original Signal')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')

# 计算FFT
N = len(x)  # 信号长度
X = np.fft.fft(x)  # FFT结果
f = np.arange(0, fs/2, fs/N)  # 频率序列

# 可视化FFT结果
plt.subplot(2, 1, 2)
plt.plot(f, abs(X[:N//2]))
plt.title('FFT Result')
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude')

# 进行滤波
fc = 80  # 截止频率
H = np.zeros(N//2)  # 滤波器频率响应
H[:fc] = 1  # 低通滤波器
H[-fc:] = 1  # 高通滤波器
X_filtered = X * H  # 滤波后的FFT结果
x_filtered = np.fft.ifft(X_filtered)  # 恢复时域信号

# 可视化滤波后的信号
plt.figure()
plt.plot(t, x_filtered.real)
plt.title('Filtered Signal')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.show()

上述代码首先生成了一个包含两个正弦波的测试信号，然后对其进行了FFT计算并可视化了结果。接下来，我们根据需要设定一个截止频率，生成一个低通或高通滤波器，并将其应用于FFT结果中。最后，使用ifft函数将滤波后的FFT结果转换回时域信号，并可视化滤波后的信号。