Einführung

Lernmaterial für die Signalverarbeitung in Python.

Bibliothek zu verwenden

numpy, matplotlib scipy fftpack

Ausführungsinhalt

Erzeugen Sie eine Sinuswelle mit einer bestimmten Frequenz. (numpy)
Führen Sie die FFT aus. (scipy)
Zeichnen Sie das Ausführungsergebnis. (Matplotlib)

Programmcode

1. Sinuswellenerzeugungsteil

N = 2**20 # data number
dt = 0.0001 # data step [s]
f1 = 5 # frequency[Hz]
A1 = 1 # Amplitude
p1 = 90*pi/180  # phase [rad]

#Wellenformbildung
t = np.arange(0, N*dt, dt) # time
freq = np.linspace(0, 1.0/dt, N) # frequency step
y = A1*np.sin(2*np.pi*f1*t + p1)

2. Fourier-Transformationsteil

#Diskrete Fourier-Transformation&Standardisierung
yf = fft(y)/(N/2) 

# y :numpy Array
# N :Anzahl von Beispielen

Ganzer Code

`fft.py`


import numpy as np
from scipy.fftpack import fft
import matplotlib.pyplot as plt

#Umfangsverhältnis π
pi = np.pi

# parameters

N = 2**20 # data number
dt = 0.0001 # data step [s]
f1 = 5 # frequency[Hz]
A1 = 1 # Amplitude
p1 = 90*pi/180 # phase

#Wellenformbildung
t = np.arange(0, N*dt, dt) # time
freq = np.linspace(0, 1.0/dt, N) # frequency step

y = A1*np.sin(2*np.pi*f1*t + p1)

#Fourier-Transformation
yf = fft(y)/(N/2) #Diskrete Fourier-Transformation&Standardisierung

#Handlung
plt.figure(2)

plt.subplot(211)
plt.plot(t, y)
plt.xlim(0, 1)
plt.xlabel("time")
plt.ylabel("amplitude")

plt.subplot(212)
plt.plot(freq, np.abs(yf))
plt.xlim(0, 10)
plt.xlabel("frequency")
plt.ylabel("amplitude")

plt.tight_layout()
plt.savefig("01")

plt.show()

3. Ausführungsergebnis

Oben: Zeitbereichsdiagramm: Stellen Sie sicher, dass die Phase um 90 Grad phasenverschoben ist. Unten: Diagramm des Frequenzbereichs: 5-Hz-Frequenz wird bestätigt.

Zusammenfassung

Ich habe FFT in Python ausgeführt.

Impressionen

Ich habe Matlab bisher für die Signalverarbeitung verwendet, aber Pythons Scipy ist auch einfacher.

Signalverarbeitung in Python (1): Fourier-Transformation