我必须在数值上计算一个高斯函数的第2次导数。 我读了这里所有关于这个主题的问题, 但不能得出一个好的结果。我选择了NumPy作为我的工具。
我们教授的说明 :
x
大小阵列 N = 128
有步骤 dx = 1
. 所以.., -64, -63, ..., 62, 63
. 计算 f(x)
f(x)
并接收转换后的数组 f_m
.f_m
由 ,其中 是虚单位。 是派生程度和1/n
(但这是最小的问题了)现在这是我的代码,尽可能的简单。
import numpy as np
# Set some parameters
n = 128
dx = 1
a = 0.001
# Create x, calculate f(x) and its FFT
x = np.arange(-n/2, n/2) * dx
psi = np.exp(-a * x * x)
f_m = np.fft.fft(psi)
# k_m creation according to professor (point 3. in my instruction)
k_m = np.arange(-n/2, n/2, dtype=float)
k_m[:int(n / 2)] = (2 * np.pi * k_m[:int(n / 2)]) / (n * dx)
k_m[int(n / 2):] = (2 * np.pi * (k_m[int(n / 2):] - n)) / (n * dx)
# Multiply f_m by (j * k_m)^q. For q=2, this is -k_m^2
f_m *= -k_m * k_m
# Inverse FFT on the result to get the second derivative and scale by 1 / n
f_m = np.fft.ifft(f_m) / n
有一点我无法理解,就是结果仍然有虚部,所以有些地方不对。谁能帮帮我?
EDIT:Cris Luengo的答案有效。
这个部分是错误的。
k_m = np.arange(-n/2, n/2, dtype=float)
第三步的说明中说到 m
从0到 n-1
. 代码应该是这样的。
k_m = np.arange(0, n, dtype=float)
half = int(n / 2) + 1; # notice the + 1 here!
k_m[:half] = (2 * np.pi * k_m[:half]) / (n * dx)
k_m[half:] = (2 * np.pi * (k_m[half:] - n)) / (n * dx)
FFT产生的输出中,第一个元素(索引0)是0的频率,而不是一个频率 -n/2
.
您当前的版本是 k_m
数组可能是正确的,如果你使用 fftshift
将0频点移到数组的中间,虽然我并不完全确定(可能是将0频点移到数组的中间)。-n
在下半场应该删除)。)
最后,除以 n
这里没有必要。
f_m = np.fft.ifft(f_m) / n
NumPy的IFFT已经归一化了。
记住要绘制 f_m.real
在验证了虚分量几乎为零之后(这些值应该与零相差无几,只是因为数值上的四舍五入误差)。
如果您使 a
大一点 a=0.005
,那么你的输入高斯完全适合于输入信号,你不会因为过滤一个被切断的信号而产生丑陋的边缘效应。
你可以用一个更简单的 k
只要你在某一时刻进行了正确的FT转移,这就和你的老师或@CrisLuengo明确写的一样。
import numpy as np
# Set some parameters
n = 128
dx = 1
a = 0.001
# Create x, calculate f(x) and its FFT
x = np.arange(-n // 2, n // 2) * dx
f_x = np.exp(-a * x ** 2)
dd_f_x = 2 * a * np.exp(-a * x ** 2) * (2 * a * x ** 2 - 1)
f_k = np.fft.fft(f_x)
k = np.fft.ifftshift(np.arange(-n // 2, n // 2))
k = (2 * np.pi * k / (n * dx))
dd_f_k = -k ** 2 * f_k
dd_f_x_ = np.fft.ifft(dd_f_k)
这和预期的工作原理一样。
import matplotlib.pyplot as plt
fig, ax = plt.subplots(1, 1, squeeze=True)
ax.plot(x, dd_f_x_.real, label='∂²/∂x² f(x) with DFT')
ax.plot(x, dd_f_x, label='∂²/∂x² f(x)')
ax.legend()