📅 最后修改于: 2020-11-05 04:31:32 🧑 作者: Mango
对时域信号进行傅立叶变换，以检查其在频域中的行为。傅立叶变换已在信号和噪声处理，图像处理，音频信号处理等领域得到了应用。SciPy提供了fftpack模块，该模块使用户可以计算快速的傅立叶变换。
以下是正弦函数的示例，该函数将用于使用fftpack模块计算傅立叶变换。
让我们详细了解什么是快速傅立叶变换。
长度为N的序列x [n]的长度为N的FFT y [k]由fft()计算，逆变换使用ifft()计算。让我们考虑以下示例
#Importing the fft and inverse fft functions from fftpackage
from scipy.fftpack import fft
#create an array with random n numbers
x = np.array([1.0, 2.0, 1.0, -1.0, 1.5])
#Applying the fft function
y = fft(x)
print y
上面的程序将生成以下输出。
[ 4.50000000+0.j 2.08155948-1.65109876j -1.83155948+1.60822041j
-1.83155948-1.60822041j 2.08155948+1.65109876j ]
让我们来看另一个例子
#FFT is already in the workspace, using the same workspace to for inverse transform
yinv = ifft(y)
print yinv
上面的程序将生成以下输出。
[ 1.0+0.j 2.0+0.j 1.0+0.j -1.0+0.j 1.5+0.j ]
scipy.fftpack模块允许计算快速傅里叶变换。举例来说，(噪声)输入信号可能如下所示：
import numpy as np
time_step = 0.02
period = 5.
time_vec = np.arange(0, 20, time_step)
sig = np.sin(2 * np.pi / period * time_vec) + 0.5 *np.random.randn(time_vec.size)
print sig.size
我们正在创建一个时间步长为0.02秒的信号。最后一条语句打印信号信号的大小。输出如下-
1000
我们不知道信号频率；我们只知道信号sig的采样时间步长。该信号应该来自实函数，因此傅里叶变换将是对称的。 scipy.fftpack.fftfreq()函数将生成采样频率，而scipy.fftpack.fft()将计算快速傅里叶变换。
让我们借助示例来理解这一点。
from scipy import fftpack
sample_freq = fftpack.fftfreq(sig.size, d = time_step)
sig_fft = fftpack.fft(sig)
print sig_fft
上面的程序将生成以下输出。
array([
25.45122234 +0.00000000e+00j, 6.29800973 +2.20269471e+00j,
11.52137858 -2.00515732e+01j, 1.08111300 +1.35488579e+01j,
…….])
离散余弦变换(DCT)根据在不同频率上振荡的余弦函数之和表示有限的数据点序列。 SciPy为DCT提供函数dct和相应的IDCT提供函数idct 。让我们考虑以下示例。
from scipy.fftpack import dct
print dct(np.array([4., 3., 5., 10., 5., 3.]))
上面的程序将生成以下输出。
array([ 60., -3.48476592, -13.85640646, 11.3137085, 6., -6.31319305])
离散余弦逆变换根据其离散余弦变换(DCT)系数重建序列。 idct函数是dct函数的逆函数。让我们通过以下示例了解这一点。
from scipy.fftpack import dct
print idct(np.array([4., 3., 5., 10., 5., 3.]))
上面的程序将生成以下输出。
array([ 39.15085889, -20.14213562, -6.45392043, 7.13341236,
8.14213562, -3.83035081])