我似乎使用 np.fft.fft 计算原始波的不正确振幅。
显示了 fft 的图,您可以看到显示的幅度约为 3 和 1.5,但如果您查看代码,我将使用幅度 7 和 3 来生成信号。该图应该有两个尖峰,在 x=13 处达到 y=3,在 x=15 处达到 y=7
我需要做什么才能在图表中看到正确的幅度(3 和 7)?
我可以通过实验看到我需要将振幅乘以 2.3 左右的常数,但如何准确计算这个数字呢?
import numpy as np
import matplotlib.pyplot as plt
t0 = 0
t1 = 20
n_samples = 1000
xs = np.linspace(t0, t1, n_samples)
# Generate signal with amplitudes 7 and 3
ys = 7*np.sin(15 * 2 * np.pi * xs) + 3*np.sin(13 * 2 * np.pi * xs)
np_fft = np.fft.fft(ys)
amplitudes = 1/n_samples * np.abs(np_fft) #This gives wrong results
frequencies = np.fft.fftfreq(n_samples) * n_samples * 1/(t1-t0)
plt.plot(frequencies[:len(frequencies)//2], amplitudes[:len(np_fft)//2])
plt.show()
我认为你错误地计算了幅度。你应该改变
amplitudes = 1 / n_samples * np.abs(np_fft)
to
amplitudes = 2 / n_samples * np.abs(np_fft)
result:
import numpy as np
import matplotlib.pyplot as plt
t0 = 0
t1 = 1
n_samples = 10000
xs = np.linspace(t0, t1, n_samples)
ys = 7 * np.sin(15 * 2 * np.pi * xs) + 3 * np.sin(13 * 2 * np.pi * xs)
plt.subplot(2, 1, 1)
plt.plot(xs, ys)
np_fft = np.fft.fft(ys)
amplitudes = 2 / n_samples * np.abs(np_fft)
frequencies = np.fft.fftfreq(n_samples) * n_samples * 1 / (t1 - t0)
plt.subplot(2, 1, 2)
plt.semilogx(frequencies[:len(frequencies) // 2], amplitudes[:len(np_fft) // 2])
plt.show()
的峰值amplitudes
不完全是7
and 2
但如果你增加n_samples
他们会变得更加准确。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)