Question

说，我有一个示例信号由三个余弦组成，其中每个余弦代表4,6和8个频段。现在，我使用FFT将此信号投入频域，在频域中，我切断了不受欢迎的6 Hz频段。最后，我想将来自频域的信号反转回时域。但是当我简单地使用numpy.fft.ifft时，我会得到一些复数，这对于进一步分析信号不是最好的结果。如何在执行带通后对FFT进行反演，这样我才能将实部和虚部所携带的全部信息作为一个数字？我查看了z = sqrt(real^2 + imaginary^2)的事情，但这不是“事情”。

下面我提供一个工作示例。我很感激你的帮助。

import numpy as np
from scipy.fftpack import fftfreq

# Define signal.
Fs = 128  # Sampling rate.
Ts = 1 / Fs  # Sampling interval.
Time = np.arange(0, 10, Ts)  # Time vector.
signal = np.cos(4*np.pi*Time) + np.cos(6*np.pi*Time) + np.cos(8*np.pi*Time)


def spectrum(sig, t):
    """
    Represent given signal in frequency domain.
    :param sig: signal.
    :param t: time scale.
    :return:
    """
    f = fftfreq(sig.size, d=t[1]-t[0])
    y = np.fft.fft(sig)
    return f, np.abs(y)


def bandpass(f, sig, min_freq, max_freq):
    """
    Bandpass signal in a specified by min_freq and max_freq frequency range.
    :param f: frequency.
    :param sig: signal.
    :param min_freq: minimum frequency.
    :param max_freq: maximum frequency.
    :return:
    """
    return np.where(np.logical_or(f < min_freq, f > max_freq), 0, sig)

freq, spec = spectrum(signal, Time)
signal_filtered = np.fft.ifft(bandpass(freq, spec, 5, 7))

print(signal_filtered)

"""
print(signal_filtered) result:

[  2.22833798e-15 +0.00000000e+00j   2.13212081e-15 +6.44480810e-16j
   1.85209996e-15 +1.23225456e-15j ...,   1.41336488e-15 -1.71179288e-15j
   1.85209996e-15 -1.23225456e-15j   2.13212081e-15 -6.44480810e-16j]
"""

Answer 1

如果你想减少5到7之间的频率，那么你想把频率保持在哪里

(f < min_freq) | (f > max_freq)

相当于

np.logical_or(f < min_freq, f > max_freq)

因此，请使用

return np.where(np.logical_or(f < min_freq, f > max_freq), sig, 0)

而不是

return np.where(np.logical_or(f < min_freq, f > max_freq), 0, sig)

因为np.where的第二个参数包含条件为True时np.where返回的值。

通过这一次更改，您的代码会产生

[ 3.00000000 +0.00000000e+00j  2.96514652 +1.24442385e-15j
  2.86160515 +2.08976636e-15j ...,  2.69239924 +4.71763845e-15j
  2.86160515 +5.88163496e-15j  2.96514652 +6.82134642e-15j]

请注意，如果您的信号是真实的，您可以使用rfft对实际序列进行离散傅里叶变换，并使用irfft进行反向，并使用rfftfreq生成频率。

例如，

from __future__ import division
import numpy as np
import scipy.fftpack as fftpack

# Define signal.
Fs = 128  # Sampling rate.
Ts = 1 / Fs  # Sampling interval.
Time = np.arange(0, 10, Ts)  # Time vector.
signal = np.cos(4*np.pi*Time) + np.cos(6*np.pi*Time) + np.cos(8*np.pi*Time)


def spectrum(sig, t):
    """
    Represent given signal in frequency domain.
    :param sig: signal.
    :param t: time scale.
    :return:
    """
    f = fftpack.rfftfreq(sig.size, d=t[1]-t[0])
    y = fftpack.rfft(sig)
    return f, np.abs(y)


def bandpass(f, sig, min_freq, max_freq):
    """
    Bandpass signal in a specified by min_freq and max_freq frequency range.
    :param f: frequency.
    :param sig: signal.
    :param min_freq: minimum frequency.
    :param max_freq: maximum frequency.
    :return:
    """
    return np.where(np.logical_or(f < min_freq, f > max_freq), sig, 0)

freq, spec = spectrum(signal, Time)
signal_filtered = fftpack.irfft(bandpass(freq, spec, 5, 7))

print(signal_filtered)

产量

[ 3.          2.96514652  2.86160515 ...,  2.69239924  2.86160515
  2.96514652]

请注意，您必须在此使用scipy＆＃39; s fftpack;不要将SciPy的实施与NumPy的混合。

Answer 2

如果你想要一个严格实际的结果（减去舍入误差噪声），你的IFFT输入需要是hermician对称的（例如你需要确保复数阵列的后半部分是上半部分的复共轭镜像））。查看实际数据的初始FFT，您将看到对称性。

但看起来你没有过滤掉负频率，因此向IFFT发送了一个非对称输入，然后输出了一个复杂的结果。

如何在执行FFT后将复数转换回“正常”数字

2 个答案: