SciPy - FFTpack
傅里叶变换是在时域信号上计算的,以检查其在频域中的行为。傅里叶变换在信号和噪声处理、图像处理、音频信号处理等学科中得到应用。SciPy 提供 fftpack 模块,让用户计算快速傅里叶变换。
以下是正弦函数的示例,它将用于使用 fftpack 模块计算傅里叶变换。
快速傅里叶变换
让我们详细了解快速傅里叶变换是什么。
一维离散傅里叶变换
长度为 N 的序列 x[n] 的长度为 N 的 FFT y[k] 由 fft() 计算,逆变换由 ifft() 计算。让我们考虑以下示例
#从 fftpackage 导入 fft 和逆 fft 函数 from scipy.fftpack import fft #创建一个包含随机 n 个数字的数组 x = np.array([1.0, 2.0, 1.0, -1.0, 1.5]) #应用 fft 函数 y = fft(x) print y
上述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 ]
让我们看另一个例子
#FFT 已经在工作区中,使用相同的工作区进行逆变换 yinv = ifft(y) print yinv
上述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,(嘈杂的)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 sig 的大小。输出结果如下 −
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。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,scipy.fftpack.fft() 将计算快速傅里叶变换。
让我们借助一个例子来理解这一点。
from scipy import fftpack sample_freq = fftpack.fftfreq(sig.size, d = time_step) sig_fft = fftpack.fft(sig) print sig_fft
上述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
离散余弦变换 (DCT) 用以不同频率振荡的余弦函数之和来表示有限数据点序列。SciPy 提供具有函数 dct 的 DCT 和具有函数 idct 的相应 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.]))
上述程序将生成以下输出。
array([ 60., -3.48476592, -13.85640646, 11.3137085, 6., -6.31319305])
逆离散余弦变换从其离散余弦变换 (DCT) 系数重建一个序列。idct 函数是 dct 函数的逆。让我们通过以下示例来理解这一点。
from scipy.fftpack import dct print idct(np.array([4., 3., 5., 10., 5., 3.]))
上述程序将生成以下输出。
array([ 39.15085889, -20.14213562, -6.45392043, 7.13341236, 8.14213562, -3.83035081])