我在演示中看到有人这样做,但是我很难重现他的能力。这是他的演讲的幻灯片:
非常酷。他使用FFT分解了一个数据集,然后绘制了FFT指定的适当正弦波。
因此,为了重新创建他所做的工作,我创建了一系列与两个正弦波组合相对应的点:
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x = np.arange(0, 10, 0.01)
x2 = np.arange(0, 20, 0.02)
sin1 = np.sin(x)
sin2 = np.sin(x2)
x2 /= 2
sin3 = sin1 + sin2
plt.plot(x, sin3)
plt.show()
现在,我想将此波(或更确切地说,这些点所暗示的波)分解回原来的两个正弦波:
# goal: sin3 -> sin1, sin2
# sin3
array([ 0.00000000e+00, 2.99985000e-02, ... 3.68998236e-01])
# sin1
array([ 0. , 0.00999983, 0.01999867, ... -0.53560333])
# sin2
array([ 0. , 0.01999867, 0.03998933, ... 0.90460157])
我首先导入numpy
并获得fft
的sin3
:
import numpy as np
fft3 = np.fft.fft(sin3)
好的,就我所知。现在,我得到了一个包含复数的数组:
array([ 2.13316069e+02+0.00000000e+00j, 3.36520138e+02+4.05677438e+01j,...])
如果我天真地将其绘制,我会看到:
plt.plot(fft3)
plt.show()
好吧,不确定该怎么办。
我想从这里转到看起来像sin1和sin2的数据集:
plt.plot(sin1)
plt.show()
plt.plot(sin2)
plt.show()
[我了解fft3
数据集中复数的实部和虚部,只是不确定如何处理它们以从中导出sin1
和sin2
数据集。
我知道这与编程的关系较小,而与数学的关系较大,但是有人可以在这里给我一个提示吗?
离散傅立叶变换存在一些问题,从与连续傅里叶变换的比较中不能立即看出来。一方面,输入的周期性应与数据范围相匹配,因此使用以下命令会更加容易:
x = np.linspace(0, 4*np.pi, 200)
然后您可以遵循您的原始想法:
sin1 = np.sin(x)
sin2 = np.sin(2*x)
sin3 = sin1 + sin2
fft3 = np.fft.fft(sin3)
由于在FFT sin
中直接进入虚部,因此您可以尝试仅绘制虚部:
plt.plot(fft3.imag)
plt.show()
您将看到的是与原始正弦波分量相对应的,以x=2
和x=4
为中心的峰值,其频率为“每个信号2个”(sin(x)从0到4 pi)和“ 4个每个信号”(sin(2x)从0到4 pi)。
要绘制所有单个组件,可以使用:
for i in range(1,100):
plt.plot(x, fft3.imag[i] * np.sin(i*x)/100)
plt.show()