Python 在FFT中如何将时间转换为频率
我是FFT新手,我试图通过手动测试来理解Python代码。 我测试的原因是一步一步地理解FFTPython 在FFT中如何将时间转换为频率,python,signal-processing,fft,Python,Signal Processing,Fft,我是FFT新手,我试图通过手动测试来理解Python代码。 我测试的原因是一步一步地理解FFT import numpy as np import matplotlib.pyplot as plt from numpy.fft import fft, fftfreq n = 1000 #Number of samples on x axis Lx = 100 #Time period in seconds omg = 2.0*np.pi/Lx #Frequency is in cycles p
import numpy as np
import matplotlib.pyplot as plt
from numpy.fft import fft, fftfreq
n = 1000 #Number of samples on x axis
Lx = 100 #Time period in seconds
omg = 2.0*np.pi/Lx #Frequency is in cycles per second. Multiplying by 2π gives the frequency in radians
x = np.linspace(0, Lx, n)# np.linspace(start = val, stop = val, num = val), here 0 to 100 with 1000 numbers
#A Sine wave with 1 wave with 1 amplitude
y = (1.0*np.sin(1.0*omg*x))
freqs = fftfreq(n)
#print('FFT Values freqs ',freqs[mask])
# Used to ignore half the values
mask = freqs > 0
# fft values
fft_vals = fft(y)
#Theoritical FFT
fft_theo = 2.0*np.abs(fft_vals/n)
#print('FFT Amplitude ',fft_theo[mask])
plt.figure(1)
plt.title('Original Signal')
plt.plot(x, y)
plt.xlabel('Time in seconds')
plt.ylabel('Amplitude')
plt.legend()
plt.figure(2)
plt.title('FFT values using Mask')
plt.plot(freqs[mask], fft_theo[mask], color='xkcd:salmon')
plt.xlabel('Frequency in Hz')
plt.ylabel('Amplitude')
plt.legend()
plt.show
以下是我对该计划的理解
输入为单一正弦波,振幅为1,x轴为时间,周期为100s
现在一个波的长度是2π除以1000
我理解了发送单个正弦波的输入,时间在x轴上,振幅在y轴上
使用fftfreq函数将此时间转换为频率。我不明白这个函数是如何转换的。
若要忽略负值,请将掩码变量指定为仅包含大于0的频率。
我也不明白为什么我们必须调用fft函数来转换振幅,因为振幅应该保持不变,只有时间才能转换成频率
然后计算理论值fft_theo=2.0*np.abs(fft_vals/n),使输出与预期一致
在输出中,我也不明白为什么频率为0时振幅为1
请帮助我用外行的术语理解FFT
谢谢,
AshaFFT幅度不会将单个正弦信号的时间转换为频率 相反,它分解可能更有趣的波形 它将假定可能由大量正弦波之和组成的波形转换为一个阵列,该阵列包含与一组N/2个不同频率的正弦波相关的每个频率的数量
您在图表底部附近看到的峰值表示与极低频率(与图表的X范围相比)的单一强相关性。与更高频率的大量相关性均为零。您正在寻找bin index=1=0.01 Hz处的峰值。作为健全性检查,请尝试打印前几个FFT箱的(绝对)值和/或缩小频率图的X轴范围(可能只是在上面的图中无法区分0 Hz和0.01 Hz)。您正在使用相同的变量来描述波的周期以及间隔的长度。把它们分开。然后检查当你改变月经周期时会发生什么。一半。您的主峰将向右移动一步(频率“2”)。请注意,对于FFT,频谱分辨率(以Hz为单位)是时间向量总宽度的倒数(因此100秒-->0.01 Hz)。频谱的宽度与时间步长成反比(因此0.1秒-->10 Hz(-5 Hz…5 Hz)。你错了,因为你没有将时间步长传递给fftfreq.Watch and。我想不出一个更通俗的解释来详细说明(可复制的)细节。