FFT快速傅里叶变换的python实现过程解析_python傅里叶变换 - CSDN文库

傅里叶变换

101 浏览量更新于2023-03-03 评论 3 收藏 178KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

FFT快速傅里叶变换的快速傅里叶变换的python实现过程解析实现过程解析

FFT是DFT的高效算法，能够将时域信号转化到频域上，下面记录下一段用python实现的FFT代码。

# encoding=utf-8

import numpy as np

import pylab as pl # 导入和matplotlib同时安装的作图库pylab

sampling_rate = 8000 # 采样频率8000Hz

fft_size = 512 # 采样点512，就是说以8000Hz的速度采512个点，我们获得的数据只有这512个点的对应时刻和此时的信号值。

t = np.linspace(0, 1, sampling_rate) # 截取一段时间，截取是任意的，这里取了0~1秒的一段时间。

x = np.sin(2*np.pi*156.25*t) + 2*np.sin(2*np.pi*234.375*t) # 输入信号序列，人工生成了一段信号序列，范围在0~1秒

xs = x[:fft_size] # 由上所述，我们只采样了512个点，所以我们只获得了前512个点的数据

xf = np.fft.rfft(xs)/fft_size # 调用np.fft的函数rfft(用于实值信号fft)，产生长度为fft_size/2+1的一个复数向量，分别表示从0Hz~4000Hz的部分，这里之所以是4000Hz是因为Nyquist定理，采样

频率8000Hz，则能恢复带宽为4000Hz的信号。最后/fft_size是为了正确显示波形能量

freqs = np.linspace(0, sampling_rate//2, fft_size//2 + 1) # 由上可知，我们得到了数据，现在产生0~4000Hz的频率向量，方便作图

xfp = 20*np.log10(np.clip(np.abs(xf), 1e-20, 1e1000)) # 防止幅值为0，先利用clip剪裁幅度，再化成分贝

pl.figure(figsize=(8, 4)) # 生成画布

pl.subplot(211) # 生成子图，211的意思是将画布分成两行一列，自己居上面。

pl.plot(t[:fft_size], xs) # 对真实波形绘图

pl.xlabel(u"time(s)")

pl.title(u"The Wave and Spectrum of 156.25Hz and 234.375Hz")

pl.subplot(212) # 同理

pl.plot(freqs, xfp) # 对频率和幅值作图，xlabel是频率Hz,ylabel是dB

pl.xlabel(u"Hz")

pl.subplots_adjust(hspace=0.4) # 调节绘图参数

pl.show()

代码进行了详细标注。有一个小细节是FFT对于取样时间有要求。N点FFT进行精确频谱分析的要求是N个取样点包含整数个取样对象的波形。因此N点FFT能够完美计算频谱，对取样对象的

要求是n*Fs/N（n*采样频率/FFT长度）在本例中Fs = 8000Hz，N=512 base_freq=15.625Hz 所以本例中给出了频率为156.25Hz(n=10)和234.375Hz(n=15)做例子。

效果如下：

您可能感兴趣的文章您可能感兴趣的文章:python傅里叶变换FFT绘制频谱图Python实现快速傅里叶变换的方法（FFT）使用python实现离散时间傅里叶变换的方法python实现傅里叶级数展开的实现opencv

python 傅里叶变换的使用python连接数据库的方法Python中的id()函数指的什么

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余0页未读，立即下载

评论1

fyj2001

2021-10-21

不行，只是调用了系统库函数，网上到处都是

weixin_38686245

粉丝: 6
资源: 902

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈