介绍 import numpy as np
import matplotlib.pyplot as plt
% matplotlib 内联 def generate_sinusoid (N,, A,, f0, fs,,φ):
,& # 39;& # 39;& # 39;
,N (int): number of 样本
,一个(浮动):振幅
,f0(浮动):frequency 赫兹拷贝
,fs(浮动):sample 率
,φ(浮动):initial 阶段
,
,return
,x (numpy 数组):,sinusoid signal which lenght is M
,& # 39;& # 39;& # 39;
,
,T =1/fs=,,n np.arange (N), #, [0,1,…,, N - 1)=,,x A *, np.cos (, 2 * f0 * np.pi * n * T +, phi )
,
return x
N =511
A 0.8=,
f0 =440
fs =44100
phi =0
x =, generate_sinusoid (N,, A,, f0, fs,,φ)
plt.plot (x)
plt.show () #,另一种生成正弦信号的方法,生成时长为t的序列
def generate_sinusoid_2 (t,, A,, f0, fs,,φ):
,& # 39;& # 39;& # 39;
,t (浮动),:,生成序列的时长
,A (浮动),:振幅
,f0 (浮动),:频率
,fs (浮动),:sample 率
,φ(浮动):initial 阶段
,
,返回
,x (numpy 数组):sinusoid signal 序列
,& # 39;& # 39;& # 39;
,
,T =1.0/fs=,,N t /T
,
,return generate_sinusoid (N,, A,, f0, fs,,φ)
A 1.0=,
f0 =440
fs =44100
phi =0
t 0.02=,
x =, generate_sinusoid_2 (t,, A,, f0, fs,,φ)
时间=n np.arange (0.02 0,,,, 1/fs)
plt.plot (n, x)
这篇文章给大家分享的是有关使用python如何实现DFT的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
<强> DFT
DFT(离散傅里叶变换),离散傅里叶变化,可以将离散信号变换到频域,它的公式非常简单:
好的,通过上面的表示,我们很容易将DFT理解成为一种矩阵相乘的操作,这对于我们编码是很容易的。
<强>说说很简单,给我代码
根据上面的理解,我们只需要构建出年代党卫军矩阵,然后做矩阵相乘,就等得到DFT的结果
在这之前,我们先介绍如何生成正弦信号,以及如何用scipy中的fft模块进行DFT操作,以验证我们的结果是否正确
正弦信号
答:幅度
f:信号频率
n:时间下标
T:采样间隔,等于1/fs, fs为采样频率
?\φ?:相位
下面介绍如何生成正弦信号
<强> Scipy FFT
介绍如何Scipy的FFT模块计算DFT
注意,理论上输入信号的长度必须是
使用python如何实现DFT
