Matlab与Numpy（Python）的FFT结果：不同的结果

我有一个Matlab脚本来计算信号的DFT并绘制它：

（可以找到数据）

我正在尝试将其转换为Python，但无法得到相同的结果

将numpy导入为np
从matplotlib导入pyplot作为plt
x=np.genfromtxt（“s.txt”，分隔符=“”）
nfft=100
fs=24000
deltaF=fs/nfft；
ffft=[n*范围内n的deltaF（nfft/2-1）]
ffft=np.数组（ffft）
窗=np.hanning（透镜（x））
xw=np.乘法（x，窗口）
fft=np.fft.fft（xw，nfft）/len（x）
fft=fft[0]+[2*fft[1:nfft/2]]
fftabs=20*np.log10（np.absolute（fft））
plt.图（）
plt.绘图（ffft，np.转置（fftabs））
plt.grid（）

我得到的图（Matlab在左边，Python在右边）：

---

我做错了什么？

我不是Mathlab用户，所以我不确定，但我想问几件事，看看我是否能帮助你

您在创建数组后调用了np.array（ffft）。这可能不会像您希望的那样改变数组的性质，也许最好尝试在

np.array中定义它（n*deltaF表示范围内的n（nfft/2-1））

我不确定格式，但您明白了。另一件事是我觉得这个范围不合适。你想让它的值为49

另一个是

fft=fft[0]+[2*fft[1:nfft/2]]

与

fft=[fft（1）；2*fft（2:nfft/2）]我不确定比较是否准确。对我来说，这只是一种不同的定义

此外，当我进行这些类型的计算时，我会“打印”出中间步骤，这样我就可以比较这些数字，看看它们在哪里断裂

希望这能有所帮助。
在一种情况下，两个代码是不同的，您可以将两个列表连接起来

FFT = [FFT(1); 2*FFT(2:nFFT/2)];

在matlab代码中

在另一种情况下，将fft的第一个值与向量的其余部分相加

fft = fft[0]+ [2*fft[1:nfft/2]]

“+”不要在此处连接，因为您有numpy数组

在python中，它应该是：

fft = fft[0:nfft/2]
fft[1:nfft/2] =  2*fft[1:nfft/2]

我发现使用
np.fft.rfft
而不是
np.fft.fft
并按以下方式修改代码可以完成工作：

import numpy as np
from matplotlib import pyplot as pl

x = np.genfromtxt("../Matlab/s.txt", delimiter='  ')

nfft = 100
fs = 24000
deltaF = fs/nfft;
ffft = np.array([n * deltaF for n in range(nfft/2+1)])
window = np.hanning(len(x))

xw = np.multiply(x, window)
fft = np.fft.rfft(xw, nfft)/len(x)
fftabs = 20*np.log10(np.absolute(fft))

pl.figure()
pl.plot(np.transpose(ffft), fftabs)
pl.grid()

结果图：

我可以看到第一个点和最后一个点，以及振幅都不一样。这对我来说不是问题（我对一般形状更感兴趣），但如果有人能解释，我会很高兴。
可能不是你的主要问题，但你的窗口函数应该与FFT大小相同，即nfft，而不是len（x）（适用于MATLAB和Python代码）。@Paul R有趣，我在哪里可以找到更多关于这方面的信息？这里有很多关于StackOverflow的问题和答案，涉及窗口功能和FFT。不过，最基本的一点是，您对FFT的输入数据应用了一个参数，以便减少。因此，此窗口函数的大小需要与FFT的大小匹配。这不太可能是问题所在，但请注意，matlab的
[0:49]
与python的
范围（49）
不同。在python中，你只差一步。（即
范围（49）
相当于
[0:48]
）谢谢。我这样更改了ffft的定义：
ffft=np.array（n*deltaF表示范围内的n（nfft/2-1））
。你提到的代码的第二部分也不确定。我找到了一个解决方案，将在下面发布。我也不在乎我能拿到多少分。我可能会用不同的值做一些测试。
import numpy as np
from matplotlib import pyplot as pl

x = np.genfromtxt("../Matlab/s.txt", delimiter='  ')

nfft = 100
fs = 24000
deltaF = fs/nfft;
ffft = np.array([n * deltaF for n in range(nfft/2+1)])
window = np.hanning(len(x))

xw = np.multiply(x, window)
fft = np.fft.rfft(xw, nfft)/len(x)
fftabs = 20*np.log10(np.absolute(fft))

pl.figure()
pl.plot(np.transpose(ffft), fftabs)
pl.grid()