scipy.signal.

zoom_fft

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

仅计算频率范围在 fn 内的 x 的 DFT。

参数:

xarray

要变换的信号。

fnarray_like

长度为 2 的序列 [f1, f2]，给出频率范围；或者一个标量，表示假定范围为 [0, fn]。

mint, 可选

要评估的点数。默认值为 x 的长度。

fsfloat, 可选

采样频率。例如，如果 fs=10 表示 10 kHz，则 f1 和 f2 也将以 kHz 为单位给出。默认采样频率为 2，因此 f1 和 f2 应在 [0, 1] 范围内，以保持变换低于奈奎斯特频率。

endpointbool, 可选

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

axisint, 可选

计算 FFT 的轴。如果未给出，则使用最后一个轴。

返回:

outndarray

变换后的信号。将在 f1, f1+df, f1+2df, …, f2 这些点计算傅里叶变换，其中 df=(f2-f1)/m。

另请参阅

ZoomFFT

创建一个可调用的部分 FFT 函数的类。

说明

选择默认值是为了使 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)。

要绘制结果变换的幅度，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 来构造一个专门的变换函数，该函数可以重用而无需重新计算常量。

示例

在您的浏览器中尝试一下！

要绘制变换结果，请使用类似以下的代码

>>> 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