使用python實現(xiàn)的FFT代碼示例

小編給大家分享一下使用python實現(xiàn)的FFT代碼示例，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

FFT是DFT的高效算法，能夠?qū)r域信號轉(zhuǎn)化到頻域上，具體內(nèi)容如下

# encoding=utf-8

import numpy as np
import pylab as pl # 導(dǎo)入和matplotlib同時安裝的作圖庫pylab


sampling_rate = 8000 # 采樣頻率8000Hz
fft_size = 512  # 采樣點512，就是說以8000Hz的速度采512個點，我們獲得的數(shù)據(jù)只有這512個點的對應(yīng)時刻和此時的信號值。
t = np.linspace(0, 1, sampling_rate)  # 截取一段時間，截取是任意的，這里取了0~1秒的一段時間。

x = np.sin(2*np.pi*156.25*t) + 2*np.sin(2*np.pi*234.375*t) # 輸入信號序列，人工生成了一段信號序列，范圍在0~1秒
xs = x[:fft_size]  # 由上所述，我們只采樣了512個點，所以我們只獲得了前512個點的數(shù)據(jù)
xf = np.fft.rfft(xs)/fft_size # 調(diào)用np.fft的函數(shù)rfft(用于實值信號fft)，產(chǎn)生長度為fft_size/2+1的一個復(fù)數(shù)向量，分別表示從0Hz~4000Hz的部分，這里之所以是4000Hz是因為Nyquist定理，采樣頻率8000Hz，則能恢復(fù)帶寬為4000Hz的信號。最后/fft_size是為了正確顯示波形能量

freqs = np.linspace(0, sampling_rate//2, fft_size//2 + 1) # 由上可知，我們得到了數(shù)據(jù)，現(xiàn)在產(chǎn)生0~4000Hz的頻率向量，方便作圖
xfp = 20*np.log10(np.clip(np.abs(xf), 1e-20, 1e1000)) # 防止幅值為0，先利用clip剪裁幅度，再化成分貝

pl.figure(figsize=(8, 4)) # 生成畫布
pl.subplot(211) # 生成子圖，211的意思是將畫布分成兩行一列，自己居上面。
pl.plot(t[:fft_size], xs) # 對真實波形繪圖
pl.xlabel(u"time(s)")
pl.title(u"The Wave and Spectrum of 156.25Hz and 234.375Hz")
pl.subplot(212) # 同理
pl.plot(freqs, xfp) # 對頻率和幅值作圖，xlabel是頻率Hz,ylabel是dB
pl.xlabel(u"Hz")
pl.subplots_adjust(hspace=0.4) # 調(diào)節(jié)繪圖參數(shù)
pl.show()

代碼進行了詳細標(biāo)注。有一個小細節(jié)是FFT對于取樣時間有要求。N點FFT進行精確頻譜分析的要求是N個取樣點包含整數(shù)個取樣對象的波形。因此N點FFT能夠完美計算頻譜，對取樣對象的要求是n*Fs/N（n*采樣頻率/FFT長度）在本例中Fs = 8000Hz，N=512 base_freq=15.625Hz 所以本例中給出了頻率為156.25Hz(n=10)和234.375Hz(n=15)做例子。

效果如下：

看完了這篇文章，相信你對“使用python實現(xiàn)的FFT代碼示例”有了一定的了解，如果想了解更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！