Python fft的登录结果

我试图从测试目标计算MTF。我很容易计算扩展函数，但FFT结果对我来说意义不大。总而言之，这些价值观似乎是交替的，让我对我的期望有所反映。为了测试，我使用了一个简单的方波和numpy：

from numpy import fft

data = []
for x in range (0, 20):
    data.append(0)

data[9] = 10
data[10] = 10
data[11] = 10

dataFFT = fft.fft(data)

结果看起来是正确的，除了符号。。。我以前4个值为例看到以下内容：

30.00000000+0.00000000 E+00j

-29.0211333+7.10542736e-15j

26.18033989-1.24344979e-14j

-21.75570505+1.24344979e-14j

所以我的问题是，为什么在真实的平面上，正->负->正->负？这不是我所期望的。。。如果我把它画出来，几乎可以看出正确的函数是围绕x轴镜像的

注意：我希望以下是一个例子：

这就是我得到的：

---

这并不完全出乎意料。如果你想对照传统的曲线图进行检查，在得出任何结论之前，一定要把这些信息转换成震级和相位

---

我用你的代码和numpy.abs快速检查了mag，numpy，phase的角度。在我看来，它确实像一个sinc（）函数，如果时域是一个方脉冲，这就是所期望的。如果你这样做，你会发现一个相当宽的sinc，就像在如此少的样本上短时间脉冲所经历的那样。

这并不是那么意外。如果你想对照传统的曲线图进行检查，在得出任何结论之前，一定要把这些信息转换成震级和相位

我用你的代码和numpy.abs快速检查了mag，numpy，phase的角度。在我看来，它确实像一个sinc（）函数，如果时域是一个方脉冲，这就是所期望的。如果你这样做，你会发现一个相当宽的sinc，就像在如此少的样本上短时间的脉冲所经历的那样

您忘记指定数据是真实的还是复杂的

不是每个人都使用python/numpy（包括我）编写代码，如果您不知道这一点，那么您可能会以错误的方式处理数据到FFT

• FFT输入可以是实域也可以是复域
• FFT输出是复数域

因此，请检查您的FFT实现的文档，并指定它，同时相应地修复您的数据处理。复域通常有第一个值Re和第二个值Im，但这取决于FFT实现/配置

信号

这里是来自FFT 第一个是输入实域信号（Im=0）单个有限非零宽度脉冲，第二个是FFT输出的Re部分。第三个是FFT输出的Im部分。若你们把它放大一点，你们就会看到每个信号y轴的振幅范围（在左边）

不要忘记，不同的FFT实现可能具有不同的归一化常数，这将改变信号的振幅。如果需要幅值和相位，请按以下方式进行转换：

mag=sqrt(Re*Re+Im*Im); // power
ang=atanxy(Re,Im); // phase angle

atanxy（dx，dy）

是四象限

arctan

也称为

atan2

，但要注意使操作数顺序与

atanxy/atan2

实现需要相同。也可以用我的

[Notes]

如果您的输入信号是实域，那么FFT输出是对称的。Re和Im信号如下所示：

{ a0,a1,a2,a3,...,a(n-1),a(n-1)...,a3,a2,a1,a0 }

与上图完全相同。左边是低频，中间是最高频率。如果输入信号是复数域，那么输出可以是任何东西

您忘记指定数据是真实的还是复杂的

不是每个人都使用python/numpy（包括我）编写代码，如果您不知道这一点，那么您可能会以错误的方式处理数据到FFT

• FFT输入可以是实域也可以是复域
• FFT输出是复数域

因此，请检查您的FFT实现的文档，并指定它，同时相应地修复您的数据处理。复域通常有第一个值Re和第二个值Im，但这取决于FFT实现/配置

信号

这里是来自FFT 第一个是输入实域信号（Im=0）单个有限非零宽度脉冲，第二个是FFT输出的Re部分。第三个是FFT输出的Im部分。若你们把它放大一点，你们就会看到每个信号y轴的振幅范围（在左边）

不要忘记，不同的FFT实现可能具有不同的归一化常数，这将改变信号的振幅。如果需要幅值和相位，请按以下方式进行转换：

mag=sqrt(Re*Re+Im*Im); // power
ang=atanxy(Re,Im); // phase angle

atanxy（dx，dy）

是四象限

arctan

也称为

atan2

，但要注意使操作数顺序与

atanxy/atan2

实现需要相同。也可以用我的

[Notes]

如果您的输入信号是实域，那么FFT输出是对称的。Re和Im信号如下所示：

{ a0,a1,a2,a3,...,a(n-1),a(n-1)...,a3,a2,a1,a0 }

---

与上图完全相同。左边是低频，中间是最高频率。如果您的输入信号是复域信号，那么输出可以是任何信号。

您的脉冲是对称的，并且位于FFT窗口的中心（大约N/2）。对称实数据仅对应于FFT结果的余弦或“实”分量。请注意，余弦函数在FFT窗口中心的-1和1之间交替，具体取决于频率