LabviewPython的FFT傅里叶正反变换的例子1.pdf

LabviewPython的FFT（傅里叶变换以及逆变换）使用介绍

本文介绍如何把信号从时域转换成频域，然后在频域进行滤波，滤波后再从频域转换回时域。主要使用了：傅里

叶变换（）以及傅里叶逆变换（）,滤波的步骤如下：

1.进行傅里叶变换，即把原来的数据从时域[x,x,..x]转变到频域[F,F,..F]），公式如下：

01N-101N-1

2.对于这N个F，若其中的模比较小则认为是干扰，设置成0.即设置F0,当|F|滤波阈值时。

kkk

3.对滤波后的F进行傅里叶反变换

k

N12nk

1i

xFeN

nk

Nk0

[备注]以上傅里叶变换以及傅里叶反变换的公式，用python也很容易自己实现，参见本文第3部分。

1.labivew的FFT使用介绍

本例以ysin(2πt)+2cos(4πt)增加干扰，然后进行采样，采样后的数组进行快速傅里叶变换（FFT）；然后在频

域范围内进行滤波（即把幅度小的设置成0）；然后进行傅里叶逆变换，得到与原始波形基本一致的波形。

下图所示：滤波前后图像相当吻合，去除噪音效果不错。

二、使用python语言

importnumpyasnp

importmatplotlib.pyplotasplt

frommatplotlib.pylabimportmpl

plt.rcParams[font.sans-serif]=[MicrosoftYaHei]

sample_rate=101

t=np.linspace(0,5,sample_rate)

print(t)

fre1=1

fre2=2

sig=np.sin(2*np.pi*fre1*t)+2*np.cos(2*np.pi*fre2*t)#原始信号

noise=np.random.normal(0,0.5,len(sig))

sig_noise=sig+noise#带噪信号

#绘制原始信号

plt.figure(figsize=(20,10))

plt.subplot(2,2,1)

plt.plot(t,sig,color=blue)

plt.xlim(0,5)

plt.xlabel(time(s))

plt.title(原始信号=blue,去噪后IFFT信号=red)

#绘制带噪信号

plt.subplot(2,2,2)

plt.plot(t,sig_noise,color=green)

plt.xlim(0,5)

plt.xlabel(time(s))

plt.title(带噪信号)

#计算并绘制带噪信号的FFT频域图

n_fft=101

fre=np.linspace(0,sample_rate/2,int(n_fft/2)+1)

sig_noise_fft=np.fft.rfft(sig_noise,n_fft)

sig_noise_fft_abs=np.abs(sig_noise_fft)*2/n_fft

plt.subplot(2,2,3)

plt.plot(fre,sig_noise_fft_abs)

plt.xlim(0,50)

plt.xlabel(Fre)

plt.title(带噪信号FFT)

#对带噪信号滤波并绘制FFT频域图

found_fre=np.where(sig_noise_fft_abs0.5)#滤波：判定数组内abs0.3的值为噪声，并

抽取其数组索引

filter_sig_noise_fft=sig_noise_fft.copy()

filter_sig_no