刚开始使用numpy软件包,并通过简单的任务启动它来计算输入信号的FFT。这是代码:
import numpy as np
import matplotlib.pyplot as plt
#Some constants
L = 128
p = 2
X = 20
x = np.arange(-X/2,X/2,X/L)
fft_x = np.linspace(0,128,128, True)
fwhl = 1
fwhl_y = (2/fwhl) \
*(np.log([2])/np.pi)**0.5*np.e**(-(4*np.log([2]) \
*x**2)/fwhl**2)
fft_fwhl = np.fft.fft(fwhl_y, norm='ortho')
ampl_fft_fwhl = np.abs(fft_fwhl)
plt.bar(fft_x, ampl_fft_fwhl, width=.7, color='b')
plt.show()
由于我使用指数函数,其前面有一些常数除以pi,我希望得到傅立叶空间中的指数函数,其中FFT的常数部分总是等于1(零频率)。 但是我使用numpy的那个组件的价值更大(它约为1,13)。在这里,我有一个幅度谱,由1 /(number_of_counts)** 0.5标准化(这是我在numpy文档中读到的)。我无法理解错误的原因......任何人都可以帮助我吗?
谢谢!
[编辑]看起来问题已经解决了,你需要得到傅立叶积分和FFT的相同结果就是将FFT乘以步长(在我的情况下是它的X / L)。至于规范化作为numpy.fft.fft(...,norm =' ortho')的选项,它仅用于保存变换的比例,否则你将会需要将逆FFT的结果除以样本数。谢谢大家的帮助!
答案 0 :(得分:2)
我终于解决了我的问题。将FFT与傅里叶积分结合起来所需要的只是将变换结果(FFT)乘以步长(在我的情况下为X / L,FFT X / L),它通常可以工作。在我的情况下,它有点复杂,因为我有一个额外的规则来转换函数。我必须确定曲线下面积等于1,因为它是δ函数的模型,所以由于步长是不可改变的,我必须满足步和(fwhl_y)= 1条件,即X / L = 1 /总和(fwhl_y)。因此,要获得正确的结果,我必须做出以下事情:
希望它至少对任何人都有帮助。
答案 1 :(得分:0)
以下是您问题的可能解决方案:
import numpy as np
import matplotlib.pyplot as plt
from scipy import fft
from numpy import log, pi, e
# Signal setup
Fs = 150
Ts = 1.0 / Fs
t = np.arange(0, 1, Ts)
ff = 50
fwhl = 1
y = (2 / fwhl) * (log([2]) / pi)**0.5 * e**(-(4 * log([2]) * t**2) / fwhl**2)
# Plot original signal
plt.subplot(2, 1, 1)
plt.plot(t, y, 'k-')
plt.xlabel('time')
plt.ylabel('amplitude')
# Normalized FFT
plt.subplot(2, 1, 2)
n = len(y)
k = np.arange(n)
T = n / Fs
frq = k / T
freq = frq[range(n / 2)]
Y = np.fft.fft(y) / n
Y = Y[range(n / 2)]
plt.plot(freq, abs(Y), 'r-')
plt.xlabel('freq (Hz)')
plt.ylabel('|Y(freq)|')
plt.show()
使用fwhl = 1:
fwhl = 0.1:
您可以在上面的图表中看到指数和指数如何当fwhl接近0时,FFT图变化