用FFT对信号做频谱分析代码

下面是Python代码，假设你已经安装了numpy和matplotlib库：

import numpy as np
import matplotlib.pyplot as plt

# 生成一个频率为10Hz的正弦波信号
fs = 1000  # 采样频率
f = 10  # 信号频率
t = np.arange(0, 1, 1/fs)  # 时间序列
x = np.sin(2*np.pi*f*t)  # 正弦波信号

# 对信号进行fft变换
N = len(x)  # 信号长度
X = np.fft.fft(x)/N  # fft变换结果
f = np.arange(0, fs/2, fs/N)  # 频率序列

# 绘制幅度谱
amp = 2 * np.abs(X[:N//2])
plt.plot(f, amp)
plt.xlabel('Frequency [Hz]')
plt.ylabel('Amplitude')
plt.show()

运行以上代码，将会生成一个频率为10Hz的正弦波信号的幅度谱图。你可以根据自己的需要修改代码中的信号参数和绘图参数。

相关问题

用FFT对信号做频谱分析代码matlab

下面是Matlab代码，假设你已经有了一个信号x：

fs = 1000;  % 采样频率
N = length(x);  % 信号长度
X = fft(x)/N;  % fft变换结果
f = (0:N-1)*fs/N;  % 频率序列

% 绘制幅度谱
amp = 2 * abs(X(1:N/2));
plot(f(1:N/2), amp);
xlabel('Frequency (Hz)');
ylabel('Amplitude');

运行以上代码，将会生成信号x的幅度谱图。你可以根据自己的需要修改代码中的信号参数和绘图参数。

用FFT对信号做频谱分析实验代码

快速傅立叶变换（Fast Fourier Transform, FFT）是一种常用的数学算法，常用于信号处理和数据分析，特别是频域分析。在Python中，我们可以使用NumPy库来编写一个基本的FFT信号频谱分析实验代码。这里是一个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

# 假设我们有一个时间序列信号
time_series = np.sin(2 * np.pi * 5 * np.linspace(0, 1, 1000)) + 0.5 * np.sin(2 * np.pi * 15 * np.linspace(0, 1, 1000))

# 对信号进行FFT
fft_result = np.fft.fft(time_series)

# 计算频率轴（采样率除以样本数）
freqs = np.fft.fftfreq(time_series.size, d=1 / time_series.shape[0])

# 取出正频率部分并将其转换为幅度
magnitude_spectrum = np.abs(fft_result[:time_series.size // 2])

# 绘制结果
plt.plot(freqs, magnitude_spectrum)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Magnitude')
plt.title('Spectrum Analysis using FFT')
plt.show()