Beräkning av Fourier Transform av Komplexa signaler med Scipy Fft: Praktiska exempel

Fourier Transform är en matematisk teknik som används för att analysera frekvenskomponenterna i signaler. När du arbetar med komplexa signaler, särskilt i digital signalbehandling, verktyg som SciPys FFT-funktion ger effektiva sätt att utföra dessa beräkningar. Denna artikel presenterar praktiska exempel på hur man beräknar Fourier Transform av komplexa signaler med SciPy.

Grundläggande användning av SciPy FFT

SciPy-biblioteket erbjuder ]-modulen, som inkluderar ]-funktionen. Denna funktion beräknar den endimensionella diskreta Fourier Transform av verkliga eller komplexa indata. Den är optimerad för hastighet och kan hantera stora datamängder effektivt.

För att utföra en Fourier Transform på en komplex signal, passera helt enkelt den komplexa arrayen till ] funktionen. Utgången kommer att vara en komplex array som representerar frekvensdomänen för ingångssignalen.

Exempel: Fyrare transformation av en komplex Sinusoid

Tänk på en komplex sinusoid bestående av två sinusvågor med olika frekvenser. Generera denna signal och tillämpa FFT avslöjar sina frekvenskomponenter.

Skapa först signalen:

]

]

Applicera FFT:

]

Magnitudspektrumet kan erhållas med:

Tolka resultaten

FFT-utgången innehåller komplexa tal som representerar amplitude och fasinformation för varje frekvenskomponent. Indexet motsvarar frekvensbinen, som kan beräknas som:

Att planera storleksspektrumet mot dessa frekvenser hjälper till att visualisera de dominerande frekvenserna i signalen.

Slutsats

SciPys FFT-funktion ger ett enkelt sätt att analysera komplexa signaler i frekvensdomänen. Genom att generera signaler och tolka FFT-utgången kan användarna extrahera meningsfull frekvensinformation för olika tillämpningar.