python傅里叶变换FFT绘制频谱图


Posted in Python onJuly 19, 2019

本文实例为大家分享了python傅里叶变换FFT绘制频谱图的具体代码,供大家参考,具体内容如下

频谱图的横轴表示的是 频率, 纵轴表示的是振幅

#coding=gbk
 
import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
 
#依据快速傅里叶算法得到信号的频域
def test_fft():
 sampling_rate = 8000 #采样率
 fft_size = 8000  #FFT长度
 t = np.arange(0, 1.0, 1.0/sampling_rate)
 x = np.sin(2*np.pi*156.25*t) + 2*np.sin(2*np.pi*234.375*t)+ 3*np.sin(2*np.pi*200*t)
 xs = x[:fft_size]
 
 xf = np.fft.rfft(xs) / fft_size #返回fft_size/2+1 个频率
 
 freqs = np.linspace(0, sampling_rate/2, fft_size/2+1) #表示频率
 xfp = np.abs(xf) * 2 #代表信号的幅值,即振幅
 
 plt.figure(num='original', figsize=(15, 6))
 plt.plot(x[:100])
 
 plt.figure(figsize=(8,4))
 plt.subplot(211)
 plt.plot(t[:fft_size], xs)
 plt.xlabel(u"时间(秒)", fontproperties='FangSong')
 plt.title(u"156.25Hz和234.375Hz的波形和频谱", fontproperties='FangSong')
 
 plt.subplot(212)
 plt.plot(freqs, xfp)
 plt.xlabel(u"频率(Hz)", fontproperties='FangSong')
 plt.ylabel(u'幅值', fontproperties='FangSong')
 plt.subplots_adjust(hspace=0.4)
 plt.show()
 
test_fft()
# np.clip(a, a_min, a_max, out) 输出与a 的shape一样,大于等于a_min,小于等于a_max的数,即在 [a_min, a_max]之间的数
a = np.arange(10)
print(a)
print(a.shape)
# [0 1 2 3 4 5 6 7 8 9]
b = np.empty((10,))
np.clip(a, 3, 8, out=b)
print(b)
# [3. 3. 3. 3. 4. 5. 6. 7. 8. 8.]
c = np.clip(a, 4, 10)
print(c)
# [4 4 4 4 4 5 6 7 8 9]
#a_min, a_max也可以输入与a 相同shape的数组
d = np.arange(4)
d1 = np.clip(d, [-1, 1, -3, 2], 2)
print(d)
print(d1)
# [0 1 2 3] #原数组
# [0 1 2 2] 
 
print(np.log10(1000))
 
def test_fft():
# FFT变换是针对一组数值进行运算的,这组数的长度N必须是2的整数次幂,例如64, 128, 256等等; 数值可以是实数也可以是复数,
# 通常我们的时域信号都是实数,因此下面都以实数为例。我们可以把这一组实数想像成对某个连续信号按照一定取样周期进行取样而得来,
# 如果对这组N个实数值进行FFT变换,将得到一个有N个复数的数组,我们称此复数数组为频域信号,此复数数组符合如下规律:
# 
# 下标为0和N/2的两个复数的虚数部分为0,
# 下标为i和N-i的两个复数共轭,也就是其虚数部分数值相同、符号相反。
 np.random.seed(66)
 X = np.random.rand(8)
 print(X)
#  [0.15428758 0.13369956 0.36268547 0.67910888 0.19445006 0.25121038
# 0.75841639 0.55761859]
 xf = np.fft.fft(X)
 print(xf)
#  [ 3.0914769 +0.j   -0.20916178+0.39291702j -0.77236422+0.85181752j
#  0.12883683-0.39854483j -0.15179792+0.j   0.12883683+0.39854483j
#  -0.77236422-0.85181752j -0.20916178-0.39291702j]
 #通过快速傅里叶变换的逆变换 ifft 还原成原来的值
 X1 = np.fft.ifft(xf)
 print(X1)
# [0.15428758+0.00000000e+00j 0.13369956-2.00387919e-16j
# 0.36268547+1.66533454e-16j 0.67910888+1.51815661e-16j
# 0.19445006+0.00000000e+00j 0.25121038-1.51815661e-16j
# 0.75841639-1.66533454e-16j 0.55761859+2.00387919e-16j] 
 
# 下面让我们来看看FFT变换之后的那些复数都代表什么意思。
# 
# 首先下标为0的实数表示了时域信号中的直流成分的多少
# 下标为i的复数a+b*j表示时域信号中周期为N/i个取样值的正弦波和余弦波的成分的多少, 其中a表示cos波形的成分,b表示sin波形的成分 
 X = np.ones(8)
 x2 = np.fft.fft(X) / len(X) # 为了计算各个成分的能量多少,需要将FFT的结果除以FFT的长度
 print(x2) 
# [1.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j]
 
 X = np.arange(0, 2*np.pi, 2*np.pi/8)
 y = np.sin(X)
 x3 = np.fft.fft(y) /len(y)
 print(x3)
# [ 1.43029718e-18+0.00000000e+00j -4.44089210e-16-5.00000000e-01j # 只有下标为 1 的复数的虚部为-0.5,
# 1.53080850e-17-1.38777878e-17j 3.87727691e-17-1.11022302e-16j
# 2.91858728e-17+0.00000000e+00j 0.00000000e+00-1.11022302e-16j
# 1.53080850e-17+1.38777878e-17j 3.44084101e-16+5.00000000e-01j] 
 output1 = np.fft.fft(np.cos(X) / len(X)) 
 print(output1) 
# [-4.30636606e-17+0.00000000e+00j 5.00000000e-01-2.66538563e-16j #只有下标为1 的实部为 0.5
# 1.53080850e-17+0.00000000e+00j 5.55111512e-17+1.97149624e-16j
# 1.24474906e-17+0.00000000e+00j -1.11022302e-16+2.05306223e-16j
# 1.53080850e-17+0.00000000e+00j 5.00000000e-01-1.35917284e-16j] 
 
 #综合的例子
 X = np.arange(0, 2*np.pi, 2*np.pi/128)
 y = 0.3*np.cos(X) + 0.5*np.cos(2*X+np.pi/4) + 0.8*np.cos(3*X-np.pi/3)
 yf = np.fft.fft(y) / len(y)
 print(2*np.abs(yf[1]), np.rad2deg(np.angle(yf[1])))
#  0.30000000000000016 3.3130777931911615e-15   #计算出幅值和相位角
 print(2*np.abs(yf[2]), np.rad2deg(np.angle(yf[2])))
#  0.5000000000000002 44.999999999999986
 print(2*np.abs(yf[3]), np.rad2deg(np.angle(yf[3])))
#  0.7999999999999998 -60.00000000000007
 
# 周期为128/1.0点的余弦波的相位为0, 振幅为0.3
# 周期为64/2.0点的余弦波的相位为45度, 振幅为0.5
# 周期为128/3.0点的余弦波的相位为-60度,振幅为0.8
# test_fft()
 
#使用多个正玄波合成三角波
import pylab as pl
# 取FFT计算的结果freqs中的前n项进行合成,返回合成结果,计算loops个周期的波形
def fft_combine(freqs, n, loops=1):
 length = len(freqs) * loops
 data = np.zeros(length)
 index = loops * np.arange(0, length, 1.0) / length * (2 * np.pi)
 for k, p in enumerate(freqs[:n]):
  if k != 0: p *= 2 # 除去直流成分之外,其余的系数都*2
  data += np.real(p) * np.cos(k*index) # 余弦成分的系数为实数部
  data -= np.imag(p) * np.sin(k*index) # 正弦成分的系数为负的虚数部
 return index, data 
 
# 产生size点取样的三角波,其周期为1
def triangle_wave(size):
 x = np.arange(0, 1, 1.0/size)
 y = np.where(x<0.5, x, 0)
 y = np.where(x>=0.5, 1-x, y)
 return x, y
 
def test_show():
 fft_size = 256
 
 # 计算三角波和其FFT
 x, y = triangle_wave(fft_size)
 fy = np.fft.fft(y) / fft_size
 
 # 绘制三角波的FFT的前20项的振幅,由于不含下标为偶数的值均为0, 因此取
 # log之后无穷小,无法绘图,用np.clip函数设置数组值的上下限,保证绘图正确
 pl.figure()
 pl.plot(np.clip(20*np.log10(np.abs(fy[:20])), -120, 120), "o")
 pl.xlabel("frequency bin")
 pl.ylabel("power(dB)")
 pl.title("FFT result of triangle wave")
 
 # 绘制原始的三角波和用正弦波逐级合成的结果,使用取样点为x轴坐标
 pl.figure()
 pl.plot(y, label="original triangle", linewidth=2)
 for i in [0,1,3,5,7,9]:
  index, data = fft_combine(fy, i+1, 2) # 计算两个周期的合成波形
  pl.plot(data, label = "N=%s" % i)
 pl.legend()
 pl.title("partial Fourier series of triangle wave")
 pl.show()
 
# test_show()

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
读写json中文ASCII乱码问题的解决方法
Nov 05 Python
python 垃圾收集机制的实例详解
Aug 20 Python
Python实现的凯撒密码算法示例
Apr 12 Python
详解Python的hasattr() getattr() setattr() 函数使用方法
Jul 09 Python
Python进阶之全面解读高级特性之切片
Feb 19 Python
Python 中包/模块的 `import` 操作代码
Apr 22 Python
np.random.seed() 的使用详解
Jan 14 Python
在Python 的线程中运行协程的方法
Feb 24 Python
详解python中的闭包
Sep 07 Python
python 调用Google翻译接口的方法
Dec 09 Python
Python数据清洗工具之Numpy的基本操作
Apr 22 Python
python基础学习之递归函数知识总结
May 26 Python
Django forms表单 select下拉框的传值实例
Jul 19 #Python
Django组件content-type使用方法详解
Jul 19 #Python
django多个APP的urls设置方法(views重复问题解决)
Jul 19 #Python
django admin组件使用方法详解
Jul 19 #Python
使用python分析统计自己微信朋友的信息
Jul 19 #Python
django url到views参数传递的实例
Jul 19 #Python
Django  ORM 练习题及答案
Jul 19 #Python
You might like
php自动跳转中英文页面
2008/07/29 PHP
PHP教程 预定义变量
2009/10/23 PHP
php递归遍历删除文件的方法
2015/04/17 PHP
php读取XML的常见方法实例总结
2017/04/25 PHP
JS实现点击图片在当前页面放大并可关闭的漂亮效果
2013/10/18 Javascript
jQuery原型属性和原型方法详解
2015/07/07 Javascript
js实现拉幕效果的广告代码
2015/09/02 Javascript
AngularJs验证重复密码的方法(两种)
2016/11/25 Javascript
工厂模式在JS中的实践
2017/01/18 Javascript
详解微信第三方小程序代开发
2017/06/23 Javascript
使用jQuery实现购物车结算功能
2017/08/15 jQuery
ES6学习教程之模板字符串详解
2017/10/09 Javascript
Vue DevTools调试工具的使用
2017/12/05 Javascript
Angular使用动态加载组件方法实现Dialog的示例
2018/05/11 Javascript
微信小程序中使用ECharts 异步加载数据实现图表功能
2018/07/13 Javascript
js如何获取图片url的Blob值并预览示例代码
2019/03/07 Javascript
vue-router源码之history类的浅析
2019/05/21 Javascript
解决vue props传Array/Object类型值,子组件报错的情况
2020/11/07 Javascript
Python cookbook(数据结构与算法)对切片命名清除索引的方法
2018/03/13 Python
Django重装mysql后启动报错:No module named ‘MySQLdb’的解决方法
2018/04/22 Python
python pygame实现方向键控制小球
2019/05/17 Python
python数字类型math库原理解析
2020/03/02 Python
Python基于smtplib协议实现发送邮件
2020/06/03 Python
Python图像处理二值化方法实例汇总
2020/07/24 Python
Python多线程的退出控制实现
2020/08/10 Python
html5 canvas-1.canvas介绍(hello canvas)
2013/01/07 HTML / CSS
HTML5 层的叠加的实现
2020/07/07 HTML / CSS
红色康乃馨酒店:Red Carnation Hotels
2017/06/22 全球购物
常务副总经理岗位职责
2014/04/12 职场文书
交通事故协议书范文
2014/04/16 职场文书
2014大学生中国梦主题教育学习思想汇报
2014/09/10 职场文书
银行优秀员工推荐信
2015/03/24 职场文书
学校党支部承诺书
2015/04/30 职场文书
2015年基层党建工作总结
2015/05/14 职场文书
Django实现聊天机器人
2021/05/31 Python
恶魔之树最顶端的三颗果实 震震果实上榜,第一可以制造岩浆
2022/03/18 日漫