Scipy Fft와 복잡한 신호의 4가지 변형을 계산: 실제 예제

4개의 Transform은 신호의 빈도 성분을 분석하기 위하여 이용된 수학 기술입니다. 복잡한 신호로 일할 때, 특히 디지털 신호 처리에서, SciPy의 FFT 기능 같이 공구는 이 계산을 실행하기 위하여 능률적인 방법을 제공합니다. 이 문서는 SciPy를 사용하여 복잡한 신호의 4개의 Transform를 비교하는 방법의 실제적인 예를 선물합니다.

SciPy FFT의 기본 사용

SciPy 라이브러리는 ] 모듈을 제공하여 ] 함수를 포함합니다. 이 함수는 실제 또는 복잡한 입력 데이터의 1차원 분리형 포니어 트랜스폼을 계산합니다. 속도에 최적화되어 큰 데이터셋을 효율적으로 처리할 수 있습니다.

복잡한 신호에 포니어 트랜스폼을 수행하려면 단순히 ] 함수에 복잡한 배열을 통과합니다. 출력은 입력 신호의 주파수 영역을 나타내는 복잡한 배열이 될 것입니다.

예: 4개의 복잡한 Sinusoid의 변형

다른 주파수와 두 개의 사인파로 구성된 복잡한 sinusoid를 고려하십시오. 이 신호를 생성하고 FFT를 적용하면 주파수 구성 요소를 나타냅니다.

첫째로, 신호를 창조하십시오:

] ]] ]] ] ]] ] ] ] ] ] ] ] ] ] ]] ] ] ]

] ]] ]] ] ]] ]] ] ] ] ] ] ] ] ] ] ]] ]] ]

]

] ]] ]] ] ]] ]] ] [FLT6]] [FLT6]]] [FLT6]] [FLT6]] [FLT6]] [FLT6]] [FLT6]]] [FLT6]]] [FLT6]] [FLT6]]] [FLT6]] [FLT6]]] [FLT6]] [FLT6]]] [FLT6]]]] [FLT6]]]] [FLT6]]] [FLT6]]]]] [FLT6] [FLT6]]]] [FLT6]]] [FLT6]]]] [FLT6]]]] [F [FLT6]]]]]]]

] ]] ] ] ]] ] ] ] ] ] ] ] ] ] ] ] ] ] ]

FFT 적용:

] ]] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] [FLT8]]] [FLT8]]] [FLT8] [FLT8]]]] [FLT8]] [FLT8]]]] [FLT8] [FLT8] [FLT8]] [FLT8]]] [FLT8] [FLT8] [FLT8]]] [FLT8] [FLT8] [FLT8]]]]] [FLT8]]]]] [FLT8]]

규모 스펙트럼은 다음과 같이 얻을 수 있습니다:

] ]] ] ]] ] ]] ]] ]] ]] ]] ] ]] ] ]] ]] ]] ]]] ]] ]] ]]]]

결과의 해석

FFT 출력은 각 주파수 구성 요소에 대한 진폭 및 위상 정보를 나타내는 복잡한 숫자를 포함합니다. 색인은 다음과 같이 계산할 수 있는 주파수 빈에 대응합니다.

] ] ] ] ] ] ] ] ] ] ] [FLT10]] [FLT10]]] [FLT10]]] [FLT10] [F]]]] [F] [F]] [F]]]] [F [F]]]]] [F [F [FLT10] [F]]]]]] [F [F [F [F]]]]]]]] [F [F [F [F [F [F [F]]]]]]]]]]]]]]]]]]

이 주파수에 대한 규모 스펙트럼을 뽑는 것은 신호의 지배적 주파수를 시각화하는 데 도움이됩니다.