FFT演示程序.docVIP

Navigation 下一篇 上一篇 | ←切换侧栏(Alt+X) | 用Python做科学计算 ? 17　FFT演示程序? 本章详细介绍如何综合利用之前所学习的numpy，traits，traitsUI和Chaco等多个库，编写一个FFT演示程序。此程序可以帮助你理解FFT是如何将时域信号转换为频域信号的，在开始正式的程序编写之前，让我们来复习一下有关FFT变换的知识，如果你没有学习过FFT，现在就是一个不错的学习机会。 17.1　FFT知识复习? FFT变换是针对一组数值进行运算的，这组数的长度N必须是2的整数次幂，例如64, 128, 256等等； 数值可以是实数也可以是复数，通常我们的时域信号都是实数，因此下面都以实数为例。我们可以把这一组实数想像成对某个连续信号按照一定取样周期进行取样而得来，如果对这组N个实数值进行FFT变换，将得到一个有N个复数的数组，我们称此复数数组为频域信号，此复数数组符合如下规律： 下标为0和N/2的两个复数的虚数部分为0， 下标为i和N-i的两个复数共轭，也就是其虚数部分数值相同、符号相反。 下面的例子演示了这一个规律，先以rand随机产生有8个元素的实数数组x，然后用fft对其运算之后，观察其结果为8个复数，并且满足上面两个条件： 1 2 3 4 5 6 7 8 9 10 x = np.random.rand(8) x array([ 0 0 0 0 0 0 0 0.1588846 ]) xf = np.fft.fft(x) xf array([ 30.j , -00, -01, -00, 00.j , -00, -01, -00]) FFT变换的结果可以通过IFFT变换（逆FFT变换）还原为原来的值： np.fft.ifft(xf) array([ 0+0+00j, 0+1-16j, 0+1-16j, 0-2-16j, 0+0+00j, 0+2-16j, 0-1-16j, 0-2-16j]) 注意ifft的运算结果实际上是和x相同的，由于浮点数的运算误差，出现了一些非常小的虚数部分。 FFT变换和IFFT变换并没有增加或者减少信号的数量，如果你仔细数一下的话，x中有8个实数数值，而xf中其实也只有8个有效的值。 计算FFT结果中的有用的数值 由于虚数部共轭和虚数部为0等规律，真正有用的信息保存在下标从0到N/2的N/2+1个虚数中， 又由于下标为0和N/2的值虚数部分为0，因此只有N个有效的实数值。 下面让我们来看看FFT变换之后的那些复数都代表什么意思。 首先下标为0的实数表示了时域信号中的直流成分的多少 下标为i的复数a+b*j表示时域信号中周期为N/i个取样值的正弦波和余弦波的成分的多少， 其中a表示cos波形的成分，b表示sin波形的成分 让我们通过几个例子来说明一下，下面是对一个直流信号进行FFT变换： x = np.ones(8) x array([ 1., 1., 1., 1., 1., 1., 1., 1.]) np.fft.fft(x)/len(x) array([ 1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j]) 所谓直流信号，就是其值不随时间变化，因此我们创建一个值全为1的数组x，我们看到它的FFT结果除了下标为0的数值不为0以外，其余的都为0。(为了计算各个成分的能量多少，需要将FFT的结果除以FFT的长度)，这表示我们的时域信号是直流的，并且其成分为1。 下面我们产生一个周期为8个取样的正弦波，然后观察其FFT