Fourier Transform on matemaattisen tekniikan avulla analysoidaan signaalien taajuuskomponentteja. Kun työskennellään monimutkaisten signaalien, erityisesti digitaalisen signaalinkäsittelyn, työkalut kuten SciPy FFT toiminto tarjoavat tehokkaita tapoja suorittaa nämä laskelmat. Tässä artikkelissa esitetään käytännön esimerkkejä siitä, miten laskea Fourier Transform monimutkaisia signaaleja käyttäen SciPy.

SciPy FFT:n peruskäyttö

SciPy-kirjasto tarjoaa [-moduulin, joka sisältää [-toiminnon. Tämä toiminto laskee yhdenulotteisen erillisen Fourier-muunnos-tiedon. Se on optimoitu nopeutta varten ja pystyy käsittelemään suuria tietokokonaisuuksia tehokkaasti.

Suorittaaksesi Fourier Transformin monimutkaisella signaalilla, yksinkertaisesti siirtää monimutkaisen matriisin -funktioon. Tuloksena on monimutkainen matriisi, joka edustaa tulosignaalin taajuusaluetta.

Esimerkki: Fourier Transform of a Complex Sinusoid

Harkitse monimutkainen sinuoidi koostuu kahdesta siniaallot eri taajuuksilla. Luomalla tämän signaalin ja soveltamalla FFT paljastaa sen taajuuskomponentit.

Ensin luo signaali:

[[LLT:3]]

[[LLT:4]]

[[LLT:6]]

[[LLT:7]]

Käytä FFT:ää:

[[LLT:8]]

Laajuusspektri voidaan saada:

[[LLT: 9]]

Tulosten tulkinta

FFT:n tuloste sisältää kompleksilukuja, jotka edustavat amplitudi- ja vaihetietoja kunkin taajuuskomponentin osalta. Indeksi vastaa taajuusastiaa, joka voidaan laskea seuraavasti:

Mittakaavaspektrin juontaminen näitä taajuuksia vastaan auttaa visualisoimaan signaalin hallitsevat taajuudet.

Päätelmä

SciPy:n FFT-toiminto tarjoaa yksinkertaisen tavan analysoida monimutkaisia signaaleja taajuusalueella. Luomalla signaaleja ja tulkitsemalla FFT-lähtöä käyttäjät voivat poimia mielekästä taajuustietoa eri sovelluksiin.