scipy.signal.

zoom_fft

scipy.signal.zoom_fft(x, fn, m=None, *, fs=2, endpoint=False, axis=-1)

仅针对 fn 范围内的频率计算 x 的 DFT。

参数:

x数组

要转换的信号。

fn类数组

给出频率范围的长度为 2 的序列 [f1, f2]，或标量，针对它将假定范围 [0, fn]。

m整数，可选

要评估的点数。默认值为 x 的长度。

fs浮点数，可选

采样频率。例如，如果 fs=10 表示 10 kHz，则 f1 和 f2 也将以 kHz 为单位。默认采样频率为 2，因此 f1 和 f2 应在范围 [0, 1] 内，以使变换低于奈奎斯特频率。

endpoint布尔值，可选

如果为 True，则 f2 为最后一个样本。否则，不包括在内。默认值为 False。

axis整数，可选

计算 FFT 时使用的轴。如果没有给出，则使用最后一个轴。

返回:

outndarray

变换后的信号。傅里叶变换将计算在点 f1、f1+df、f1+2df、…、f2 处，其中 df=(f2-f1)/m。

参见

ZoomFFT

创建一个可调用的部分 FFT 函数的类。

说明

选择默认值，以便 signal.zoom_fft(x, 2) 等效于 fft.fft(x)，并且如果 m > len(x)，则 signal.zoom_fft(x, 2, m) 等效于 fft.fft(x, m)。

要绘制所得变换的幅值，请使用

plot(linspace(f1, f2, m, endpoint=False), abs(zoom_fft(x, [f1, f2], m)))

如果需要重复变换，请使用 ZoomFFT 构造一个专门的变换函数，可以在不重新计算常量的情况下重复使用。

示例

在浏览器中试用！

要绘制变换结果，请使用类似以下内容

>>> import numpy as np
>>> from scipy.signal import zoom_fft
>>> 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
>>> X = zoom_fft(x, [f1, f2], len(x), fs=1021)
>>> 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