introduction

Matériel d'étude pour le traitement du signal réalisé en Python.

Bibliothèque à utiliser

numpy, matplotlib scipy fftpack

Contenu d'exécution

Générez une onde sinusoïdale d'une fréquence spécifique. (numpy)
Exécutez FFT. (scipy)
Tracez le résultat de l'exécution. (matplotlib)

Code programme

1. Partie de génération d'onde sinusoïdale

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

#Formation de forme d'onde
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. Partie transformée de Fourier

#Transformée de Fourier discrète&Standardisation
yf = fft(y)/(N/2) 

# y :tableau numpy
# N :Nombre d'échantillons

Code entier

`fft.py`


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

#Rapport circonférentiel 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

#Formation de forme d'onde
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)

#Transformée de Fourier
yf = fft(y)/(N/2) #Transformée de Fourier discrète&Standardisation

#terrain
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. Résultat de l'exécution

En haut: graphique de zone temporelle: confirmez que la phase est déphasée de 90 degrés. En bas: graphique de la zone de fréquence: la fréquence de 5 Hz est confirmée.

Résumé

J'ai exécuté FFT en Python.

Impressions

Jusqu'à présent, j'ai utilisé matlab pour le traitement du signal, mais le scipy de python est également plus facile.

Traitement du signal en Python (1): transformée de Fourier