python实现傅里叶变换去除高频信号实现降噪

在Python中，可以利用numpy库中的fft（Fast Fourier Transform）函数来实现傅里叶变换，这是一个非常常用的数据处理工具，用于将时间域信号转换到频域。对于去除高频噪声，通常采用低通滤波的方式：

1. 首先，你需要对信号进行离散傅立叶变换(DFT)，这会得到信号在各个频率成分的幅度谱。
2. 然后，设置一个截止频率（cutoff frequency），通常选择这个频率以上的高频部分包含大部分噪声。在这个频率点以下的分量被认为是信号的主体。
3. 接着，应用高通滤波器或者直接截断掉高于截止频率的部分。在numpy中，你可以使用`np.fft.ifft()`和`np.abs()`来获取实部结果，保留低频部分。
4. 最后，再次对处理后的幅值谱进行反变换（IFT），得到去噪后的信号。

下面是一个简单的示例代码：

import numpy as np

def remove_high_freq(signal, cutoff_freq):
    # 对信号做DFT
    spectrum = np.fft.fft(signal)
    
    # 分割低频和高频部分
    freqs = np.fft.fftfreq(len(signal), d=1)  # 采样率假设为1
    low_pass_mask = freqs <= cutoff_freq
    high_pass_mask = ~low_pass_mask
    
    # 只保留低频部分
    filtered_spectrum = spectrum[low_pass_mask]
    
    # 反变换回时域
    denoised_signal = np.fft.ifft(filtered_spectrum).real
    
    return denoised_signal

# 使用示例
signal_with_noise = ...  # 原始带噪声信号
denoised_signal = remove_high_freq(signal_with_noise, cutoff_freq=100)  # 假设100 Hz为高频噪声的边界

#