用fft对信号作频谱分析
在Python中，可以使用numpy库的fft模块来进行傅立叶变换，并使用matplotlib库来绘制信号的频谱图。以下是一个简单的示例，演示如何对一个简单的正弦波信号进行频谱分析：import numpy as np
import matplotlib.pyplot as plt
# 定义信号参数
A = 1.0 # 振幅
fs = 1000.0 # 采样频率
T = 1.0/fs # 采样间隔
L = 1000 # 信号长度
t = np.arange(L) * T # 时间向量
f = 50.0 # 信号频率
# 生成正弦波信号
signal = A * np.sin(2 * np.pi * f * t)
# 计算FFT
fft_signal = np.fft.fft(signal)
# 计算双边频谱（默认情况下，fft给出的是单边频谱）
fft_magnitude = np.abs(fft_signal)
# 为了得到正确的频率轴，我们需要在fft_magnitude的前半部分和后半部分分别乘以两边对应的频率
N = len(fft_magnitude)
freqs = np.fft.fftfreq(N, T)
# 绘制频谱图
plt.figure()
plt.stem(freqs[:N // 2], fft_magnitude[:N // 2] * 2 / N, 'b', markerfmt=" ", basefmt="-b")
plt.stem(freqs[-N // 2:], fft_magnitude[-N // 2:] * 2 / N, 'r', markerfmt=" ", basefmt="-r")
plt.title('Frequency spectrum of a sine wave')
plt.xlabel('Frequency (Hz)')
plt.ylabel('Magnitude')
plt.grid()
plt.show()https://eb118-file.cdn.bcebos.com/upload/122ef1e7977a49e9947317a6d3bfd0f2_2053270916.png
这段代码首先定义了一个简单的正弦波信号，然后使用numpy.fft.fft计算信号的快速傅立叶变换(FFT)。接着，计算了FFT的幅度，并使用matplotlib.pyplot.stem绘制了频谱图。注意，由于FFT是对信号进行周期性扩展的，因此我们只需要考虑频率轴的正半轴即可。双边频谱的幅度是单边频谱幅度的两倍，除以FFT点数的一半可以归一化到单边频率范围内。最后，使用matplotlib.pyplot.show()显示结果。
楼上总结得真好，我完全赞同。 这个解决方案听起来很有前景。
页:
[1]