CZT#
- class scipy.signal.CZT(n, m=None, w=None, a=1 + 0j)[source]#
创建一个可调用的啁啾 z 变换函数。
转换在螺旋周围计算频率响应。此类的对象是可调用的，可以在其输入上计算啁啾 z 变换。此对象预先计算给定变换中使用的常数啁啾。
- 参数:
- nint
信号大小。
- mint，可选
所需的输出点数量。默认为n。
- w复数，可选
每个步骤中各点之间的比率。此项必须准确，否则积累的误差将降低输出序列的尾部。默认为整个单位圆上等间隔的点。
- a复数，可选
复数平面的起始点。默认为 1+0j。
- 返回:
- fCZT
可调用对象
f(x, axis=-1)用于计算x 上的啁啾 z 变换。
注意事项
默认值被选择为代码
f(x)等效于fft.fft(x)并且，如果m > len(x)，则f(x, m)等效于fft.fft(x, m)。如果 w 不存在于单位圆上，那么变换将在具有指数级增加半径的螺旋上进行。无论如何，角度将线性增加。
对于确实存在于单位圆上的变换，使用
ZoomFFT时准确度更高，因为 w 中的任何数值误差在数据长度较长时都会累积，并偏离单位圆。啁啾 z 变换可能比带有零填充的等效 FFT 快。用你自己的数组大小来试试看。
但是，啁啾 z 变换的精度远低于等效的零填充 FFT。
由于 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。）（名称“啁啾 z 变换”来自 Bluestein 算法中使用啁啾。它不会将信号分解成啁啾，而其他带有名称中“啁啾”的变换则会这样做。）
参考文献
[1]Leo I. Bluestein，“一种计算离散傅里叶变换的线性滤波方法”，东北电子研究与工程会议记录 10，218-219（1968 年）。
[2]Rabiner、Schafer 和 Rader，“啁啾 z 变换算法及其应用”，贝尔系统技术杂志 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()
方法