ZoomFFT#
- class scipy.signal.ZoomFFT(n, fn, m=None, *, fs=2, endpoint=False)[source]#
创建一个可调用的变焦FFT变换函数。
这是啁啾Z变换 (
CZT
) 的一个特例,用于计算单位圆上等间距频率的子集,比计算整个 FFT 再截断更有效地计算 FFT 的一个部分。- 参数:
- nint
信号的大小。
- fnarray_like
一个长度为2的序列 [f1, f2] 给定频率范围,或者一个标量,此时假定范围为 [0, fn]。
- mint, optional
要评估的点数。默认值为 n。
- fsfloat, optional
采样频率。例如,如果
fs=10
代表 10 kHz,那么 f1 和 f2 也应以 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, optional
如果为 True,f2 是最后一个采样点。否则,不包含它。默认值为 False。
方法
- 返回:
- fZoomFFT
可调用对象
f(x, axis=-1)
,用于对 x 进行变焦 FFT 计算。
另请参阅
zoom_fft
计算变焦 FFT 的便捷函数。
备注
选择默认值是为了使
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)
。采样频率是 1/dt,即信号 x 中采样点之间的时间步长。单位圆对应于从 0 到采样频率的频率。默认采样频率为 2 意味着 f1, f2 值在奈奎斯特频率以下,即在 [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,变焦 FFT 只能插值现有 FFT 的点。它无法帮助分辨两个分离的邻近频率。频率分辨率只能通过增加采集时间来提高。
这些函数是使用 Bluestein 算法实现的 (与
scipy.fft
相同)。[2]参考文献
[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
要绘制变换结果,请使用如下代码:
>>> 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()