CZT#
- class scipy.signal.CZT(n, m=None, w=None, a=1 + 0j)[源码]#
创建一个可调用的Chirp Z变换函数。
用于计算围绕螺旋线频率响应的变换。此类的对象是可调用对象,可以对其输入执行Chirp Z变换。此对象会预先计算给定变换中使用的常数Chirp。
- 参数:
- nint
信号的大小。
- mint, 可选
所需的输出点数。默认值为 n。
- wcomplex, 可选
每步点之间的比率。这必须精确,否则累积误差会降低输出序列的尾部质量。默认为单位圆周围等间距的点。
- acomplex, 可选
复平面中的起始点。默认值为 1+0j。
方法
- 返回:
- fCZT
用于计算x上Chirp Z变换的可调用对象
f(x, axis=-1)
。
注意
默认设置使得
f(x)
等同于fft.fft(x)
,并且如果m > len(x)
,则f(x, m)
等同于fft.fft(x, m)
。如果w不在单位圆上,则变换将围绕半径呈指数增长的螺旋线进行。无论如何,角度将线性增加。
对于位于单位圆上的变换,使用
ZoomFFT
时精度更佳,因为w中的任何数值误差会在长数据长度下累积,从而偏离单位圆。Chirp Z变换可能比等效的零填充FFT更快。你可以用你自己的数组大小来试试看。
然而,Chirp Z变换的精度远低于等效的零填充FFT。
由于此CZT是使用Bluestein算法实现的,因此它可以在O(N log N)时间内计算大素数长度的傅里叶变换,而不是直接DFT计算所需的O(N**2)时间。(
scipy.fft
也使用Bluestein算法。)(“Chirp Z变换”这个名称来源于Bluestein算法中Chirp信号的使用。它不像其他名称中带有“Chirp”的变换那样将信号分解为Chirp信号。)
参考文献
[1]Leo I. Bluestein, “A linear filtering approach to the computation of the discrete Fourier transform,” Northeast Electronics Research and Engineering Meeting Record 10, 218-219 (1968).
[2]Rabiner, Schafer, and Rader, “The chirp z-transform algorithm and its application,” Bell Syst. Tech. J. 48, 1249-1292 (1969).
示例
计算多个素数长度的FFT
>>> from scipy.signal import CZT >>> import numpy as np >>> a = np.random.rand(7) >>> b = np.random.rand(7) >>> c = np.random.rand(7) >>> czt_7 = CZT(n=7) >>> A = czt_7(a) >>> B = czt_7(b) >>> C = czt_7(c)
显示计算FFT的点
>>> czt_7.points() array([ 1.00000000+0.j , 0.62348980+0.78183148j, -0.22252093+0.97492791j, -0.90096887+0.43388374j, -0.90096887-0.43388374j, -0.22252093-0.97492791j, 0.62348980-0.78183148j]) >>> import matplotlib.pyplot as plt >>> plt.plot(czt_7.points().real, czt_7.points().imag, 'o') >>> plt.gca().add_patch(plt.Circle((0,0), radius=1, fill=False, alpha=.3)) >>> plt.axis('equal') >>> plt.show()