scipy.signal.

ZoomFFT

class scipy.signal.ZoomFFT(n, fn, m=None, *, fs=2, endpoint=False)

创建一个可调用的缩放 FFT 变换函数。

这是用于计算单位圆周围一组等间距频率的 chirp z 变换 (CZT) 的特化，用于比计算整个 FFT 并截断更有效地计算 FFT 的一部分。

参数:

nint

信号的大小。

fnarray_like

一个长度为 2 的序列 [f1, f2]，给出频率范围，或一个标量，表示假设范围 [0, fn]。

mint, 可选

要评估的点数。 默认为 n。

fsfloat, 可选

采样频率。 例如，如果 fs=10 代表 10 kHz，则 f1 和 f2 也将以 kHz 为单位给出。 默认采样频率为 2，因此 f1 和 f2 应在 [0, 1] 范围内，以使变换保持在奈奎斯特频率以下。

endpointbool, 可选

如果为 True，则 f2 是最后一个样本。 否则，不包括它。 默认为 False。

返回:

fZoomFFT

用于在 x 上计算缩放 FFT 的可调用对象 f(x, axis=-1)。

另请参阅

zoom_fft

用于计算缩放 FFT 的便捷函数。

注释

选择默认值使得 f(x, 2) 等效于 fft.fft(x)，并且如果 m > len(x)，则 f(x, 2, m) 等效于 fft.fft(x, m)。

采样频率为 1/dt，即信号 x 中样本之间的时间步长。 单位圆对应于从 0 到采样频率的频率。默认采样频率为 2 表示 f1、f2 直到奈奎斯特频率的值都在 [0, 1) 范围内。对于以弧度表示的 f1、f2 值，应使用 2*pi 的采样频率。

请记住，缩放 FFT 只能插值现有 FFT 的点。 它不能帮助解析两个单独的附近频率。 只能通过增加采集时间来提高频率分辨率。

这些函数是使用 Bluestein 算法（与 scipy.fft）实现的。[2]

参考

[1]

Steve Alan Shilling, “A study of the chirp z-transform and its applications”, pg 29 (1970) https://krex.k-state.edu/dspace/bitstream/handle/2097/7844/LD2668R41972S43.pdf

[2]

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).

示例

在浏览器中尝试！

要绘制变换结果，请使用如下内容

>>> import numpy as np
>>> from scipy.signal import ZoomFFT
>>> t = np.linspace(0, 1, 1021)
>>> x = np.cos(2*np.pi*15*t) + np.sin(2*np.pi*17*t)
>>> f1, f2 = 5, 27
>>> transform = ZoomFFT(len(x), [f1, f2], len(x), fs=1021)
>>> X = transform(x)
>>> f = np.linspace(f1, f2, len(x))
>>> import matplotlib.pyplot as plt
>>> plt.plot(f, 20*np.log10(np.abs(X)))
>>> plt.show()

返回在新标签页中打开

方法

__call__(x, *[, axis])	计算信号的 chirp z 变换。
points()	返回计算 chirp z 变换的点。