python fft算法代码

以下是Python中的FFT算法代码示例：

import numpy as np

# FFT函数
def fft(x):
    N = len(x)
    if N <= 1:
        return x
    else:
        X_even = fft(x[::2])
        X_odd = fft(x[1::2])
        factor = np.exp(-2j * np.pi * np.arange(N) / N)
        return np.concatenate([X_even + factor[:N // 2] * X_odd, X_even + factor[N // 2:] * X_odd])

# 示例
x = np.array([1, 2, 3, 4])
X = fft(x)
print(X)

输出结果：

[10.+0.j -2.+2.j -2.+0.j -2.-2.j]

这表示输入序列经过FFT变换后得到的频域结果。

相关问题

请用python生成FFT算法代码

以下是使用Python实现快速傅里叶变换（FFT）算法的示例代码：

import numpy as np

def fft(x):
    """快速傅里叶变换算法"""
    N = len(x)

    if N <= 1:
        return x

    even = fft(x[0::2])
    odd = fft(x[1::2])

    T = [np.exp(-2j * np.pi * k / N) * odd[k] for k in range(N//2)]
    
    return [even[k] + T[k] for k in range(N//2)] + [even[k] - T[k] for k in range(N//2)]

# 示例使用
x = [0, 1, 2, 3, 4, 5, 6, 7]
X = fft(x)
print(X)

这段代码实现了一个简单的FFT函数，它接受一个长度为2的幂次方的输入列表x，并返回其傅里叶变换的结果。在示例中，输入列表为[0, 1, 2, 3, 4, 5, 6, 7]，输出结果为[28+0j, -4+9.65685425j, -4+4j, -4+1.65685425j, -4+0j, -4-1.65685425j, -4-4j, -4-9.65685425j]。

请注意，这个实现是一个简化版的FFT算法，仅用于示例目的。在实际使用中，建议使用已经存在的优化库或模块，如NumPy中的`numpy.fft.fft`函数，以获得更高效和准确的FFT计算。

血压fft算法代码

以下是基于Python实现的血压FFT算法代码：

import numpy as np
import matplotlib.pyplot as plt

# 读取数据
data = np.loadtxt("blood_pressure_data.txt")

# 采样频率
fs = 100  # Hz

# FFT变换
fft_data = np.fft.fft(data)
freq = np.fft.fftfreq(len(data), 1.0/fs)

# 选取主频率范围
low_freq = 0.5  # Hz
high_freq = 4.0  # Hz
idx = np.where((freq>=low_freq) & (freq<=high_freq))

# 计算主频率下的幅值
amp = 2.0*np.abs(fft_data[idx])/len(data)

# 绘制频率谱图
plt.plot(freq[idx], amp)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude')
plt.title('Blood Pressure FFT')
plt.show()

需要注意的是，需要将血压数据保存在名为"blood_pressure_data.txt"的文本文件中，每行为一个数据点。此外，需要安装NumPy和Matplotlib库。