وتُستخدم أدوات رياضية في تحليل عناصر الترددات في الإشارات، وفي " سيسي بي " ، وهي مكتبة شعبية في بيتون، تُنفذ شركة فوريه للتحوّلات لتيسير تجهيز البيانات السمعية والصورية، وتقدم هذه المادة أمثلة عملية على كيفية استخدام " سيسي بي " لتحليل أربعة مستويات في هذه المجالات.

Fourier Transform in Audio Processing

في التجهيز الصوتي، (فورييه) يساعد على تحديد محتوى الترددات من الإشارات الصوتية، وباستخدام (سي بي) يمكنك تحويل البيانات الصوتية ذات الطول الزمني إلى مجال الترددات لتحليل مكوناتها الطيفية

على سبيل المثال، تحميل إشارة صوتية وتطبيق التحول الرابع يسمح لك بتصوير ترددات المهيمنة، وهذا مفيد في تطبيقات مثل خفض الضوضاء، والآثار السمعية، وتحليل الموسيقى.

4ier Transform in Image Process

وفي مجال تجهيز الصور، تستخدم شركة فورييه للتحوير لتحليل المعلومات المتعلقة بالتواتر المكاني، مما يمكن أن يساعد في عمليات التصفيف وتحسين الصور ومهام التعرف على النمط.

وتطبيق نظام " فورييه " 2D، وتحويله إلى صورة يحوله من المجال المكاني إلى مجال الترددات، وغالبا ما تكون العناصر العالية التردد متطابقة مع الحواف والتفاصيل الدقيقة، في حين أن العناصر المنخفضة التردد تتصل بمناطق سلسة.

نموذج عملي: حوسبة أربعة أضعاف مع SciPy

Below is a simple example of computing the Fourier transform of a signal using SciPy:

" python

مستنسخة كعيار نانوغرام

من مدخلات استيراد متحركة، وفتحات

# يولد إشارة عينة

العينة = 1000

t = np.linspace (0, 1, sampling rate, endpoint=False)

الإشارة = np.sin(2 * np.pi * 50 * t) + 0.5 * np.sin(2 * np.pi * 120 * t)

# Compute Fourier transform

yf = fft(signal)

xf = اللافقار (عينة) -rate, 1 / العينة -rate)

عناصر تردد تحليل

مطبوعة (xf[np.argmax(np.abs(yf))]

"