python实现离散傅里叶变换

初步认识傅里叶变换：
认识傅里叶变换
讲的较为通俗，图文并茂

离散傅里叶变换（DFT）的推导：
DFT推导

关于SDFT，mSDFT的推导：
SDFT，mSDFT

下面用python实现DFT：
首先，导入需要的包

import numpy as np
import matplotlib.pyplot as plt
from scipy.fftpack import fft, ifft

接着，定义自己实现的DFT函数：

def myDFT(ys, k, N, fs):''':param ys:离散时域信号:param k:频域索引:param N:采样点数:param fs:采样信号:return:'''Xk = []for i in range(k):X = 0. + 0jfor j in range(N):X += ys[j]*(np.cos(2*np.pi/N *j *i)-1j*np.sin(2*np.pi/N *j *i))Xk.append(X)A = abs(np.array(Xk))        # 计算模值amp_x = A / N * 2            # 纵坐标变换label_x = np.linspace(0, int(N / 2) - 1, int(N / 2))    # 生成频率坐标amp = amp_x[0:int(N / 2)]    # 选取前半段计算结果即可，幅值  对称fs = fs                      # 计算采样频率fre = label_x / N * fs       # 频率坐标变换return Xk, A, amp, fre

使用scipy.fftpack的fft用于比较，验证自己实现的DFT算法的正确性

# 简单定义一个FFT函数
def myfft(x, t, fs):fft_x = fft(x)                                            # fft计算amp_x = abs(fft_x)/len(x)*2                               # 纵坐标变换  abs:求模长label_x = np.linspace(0,int(len(x)/2)-1,int(len(x)/2))    # 生成频率坐标amp = amp_x[0:int(len(x)/2)]                              # 选取前半段计算结果即可  对称# amp[0] = 0                                              # 可选择是否去除直流量信号fre = label_x/len(x)*fs                                   # 频率坐标变换pha = np.unwrap(np.angle(fft_x))                          # 计算相位角并去除2pi跃变return amp,fre,pha                                        # 返回幅度和频率

最后，生成一个信号用于验证

Ts = 1    # 采样时间
fs = 1400  # 采样频率
N = Ts * fs  # 采样点数
# 在Ts内采样N个点
xs = np.linspace(0, Ts, int(N))# 生成采样信号 由180Hz，390Hz和600Hz的正弦波叠加
ys = 7.0*np.sin(2*np.pi*180*xs) + 2.8*np.sin(2*np.pi*390*xs) + 5.1*np.sin(2*np.pi*600*xs)amp, fre, pha = myfft(ys, xs, fs)  # 调用scipy.fftpack里的fft
Xk, A, amp2, fre2 = myDFT(ys, int(N), int(N), fs)# 绘图
plt.subplot(221)
plt.plot(xs, ys)
plt.title('OriSignal')
plt.xlabel('Time / s')
plt.ylabel('Intencity / cd')# 反傅里叶变换
ys390 = 2.8*np.sin(2*np.pi*390*xs)
H = np.zeros((int(N)))
H[390-50:390+50] = 1
H[1400-390-50:1400-390+50] = 1  # 将390Hz附近的频率获取
IFFT = ifft(H*Xk)
plt.subplot(223)
plt.plot(xs, IFFT, alpha=0.75, color='r')
plt.plot(xs, ys390, alpha=0.75, color='g')
plt.legend(['IFFT', 'ys390'])
plt.title('IFFT Filter')plt.subplot(222)
plt.plot(fre, amp)
plt.title("'fft's Amplitute-Frequence-Curve")
plt.ylabel('Amplitute / a.u.')
plt.xlabel('Frequence / Hz')plt.subplot(224)
plt.plot(fre2, amp2)
plt.title("myDFT's Amplitute-Frequence-Curve")
plt.ylabel('DFT Amplitute / a.u.')
plt.xlabel('DFT Frequence / Hz')
plt.show()

实验结果如下：

图1是原始信号，图2是python封装好的fft的试验结果，图4是自定义的DFT，从试验结果来看，自己实现的DFT可以正确分解原始信号。

python实现离散傅里叶变换相关推荐

【Python】可视化的离散傅里叶变换+快速傅里叶变换后时域信号的频域分析
前面的知识这里就不介绍了,下面是Python语言实现的离散傅里叶变换的处理: 时域信号的函数表达要处理的时域信号: f(t)=sin(t)+2sin(3t)+2cos(2t)+4sin(15t)f( ...
（数字图像处理MATLAB+Python）第四章图像正交变换-第一节：离散傅里叶变换
文章目录一:一维离散傅里叶变换 (1)定义 (2)实例二:一维快速傅里叶变换 (1)定义 (2)实例三:二维离散傅里叶变换 (1)定义 (2)程序四:二维离散傅里叶变换的性质 (1)可分性 ( ...
Python 二维离散傅里叶变换
Python 二维离散傅里叶变换文章目录 Python 二维离散傅里叶变换需要的库计算两张图片的PSNR 二维离散傅里叶变换二维离散傅里叶逆变换频域平移绘制频域图像需要的库 import ...
第4章 Python 数字图像处理(DIP) - 频率域滤波5 - 二变量函数的傅里叶变换、图像中的混叠、二维离散傅里叶变换及其反变换
目录二变量函数的傅里叶变换二维冲激及其取样性质二维连续傅里叶变换对二维取样和二维取样定理图像中的混叠二维离散傅里叶变换及其反变换二变量函数的傅里叶变换二维冲激及其取样性质两个连续变量 ...
第4章 Python 数字图像处理(DIP) - 频率域滤波4 - 单变量的离散傅里叶变换DFT
目录标题单变量的离散傅里叶变换由取样后的函数的连续变换得到DFT 取样和频率间隔的关系单变量的离散傅里叶变换由取样后的函数的连续变换得到DFT 对原函数的变换取样后的业的发展的变换F~(μ)\ ...
python离散数据傅里叶变换公式_离散傅里叶变换笔记
给定N个点的一维数组的离散傅里叶变换对由下面两式给出: 离散傅里叶变换是将离散信号分解为多个离散三角函数,并能给出每个三角函数的幅值 .频率 .初相位 .即找一批函数形如: 来叠加出任意给定的离散信 ...
独家｜OpenCV 1.7 离散傅里叶变换
翻译:陈之炎校对:李海明本文约2400字,建议阅读5分钟本文为大家介绍了OpenCV离散傅里叶变换. 目标本小节将寻求以下问题的答案: 什么是傅立叶变换,为什么要使用傅立叶变换? 如何在OpenC ...
基于python的快速傅里叶变换FFT（二）
基于python的快速傅里叶变换FFT(二) 本文在上一篇博客的基础上进一步探究正弦函数及其FFT变换. 知识点 FFT变换,其实就是快速离散傅里叶变换,傅立叶变换是数字信号处理领域一种很重要的算 ...
基于python的快速傅里叶变换FFT（一）
基于python的快速傅里叶变换FFT(一) FFT可以将一个信号变换到频域.有些信号在时域上是很难看出什么特征的,但是如果变换到频域之后,就很容易看出特征了.这就是很多信号分析采用FFT变换的原因. ...

python实现离散傅里叶变换

python实现离散傅里叶变换相关推荐

最新文章

热门文章