Python SciPy signal.ZoomFFT用法及代码示例

本文简要介绍 python 语言中 scipy.signal.ZoomFFT 的用法。

用法:

class  scipy.signal.ZoomFFT(n, fn, m=None, *, fs=2, endpoint=False)#

创建一个可调用的缩放 FFT 变换函数。

这是对单位圆周围一组等距频率的线性调频脉冲 z-transform ( CZT ) 的特化，用于比计算整个 FFT 和截断更有效地计算 FFT 的一部分。

参数 ：：

n： int

信号的大小。

fn： array_like

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

m： 整数，可选

要评估的点数。默认值为 n。

fs： 浮点数，可选

采样频率。如果fs=10例如，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 [0, 1] 范围内，以保持变换低于奈奎斯特频率。

endpoint： 布尔型，可选

如果为 True，则 f2 是最后一个样本。否则，不包括在内。默认为假。

返回 ：：

f： ZoomFFT

可调用对象f(x, axis=-1)用于计算缩放 FFTx.

注意：

选择默认值使得 f(x, 2) 等效于 fft.fft(x) ，如果 m > len(x) ，则 f(x, 2, m) 等效于 fft.fft(x, m) 。

采样频率为 1/dt，即信号 x 中样本之间的时间步长。单位圆对应于从 0 到采样频率的频率。默认采样频率为 2 表示 f1、f2 值直至奈奎斯特频率都在 [0, 1) 范围内。对于以弧度表示的 f1、f2 值，应使用 2*pi 的采样频率。

请记住，缩放 FFT 只能对现有 FFT 的点进行插值。它无法帮助解决两个独立的附近频率。频率分辨率只能通过增加采集时间来提高。

这些函数是使用 Bluestein 的算法实现的(如 scipy.fft )。 [2]

参考：

[1]

Steve Alan Shilling，“啁啾 z-transform 及其应用的研究”，第 29 页(1970 年)https://krex.k-state.edu/dspace/bitstream/handle/2097/7844/LD2668R41972S43.pdf

[2]

Leo I. Bluestein，“离散傅立叶变换计算的线性滤波方法”，东北电子研究与工程会议记录 10, 218-219 (1968)。

例子：

要绘制转换结果，请使用以下内容：

>>> import numpy as np
>>> from scipy.signal import ZoomFFT
>>> 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
>>> transform = ZoomFFT(len(x), [f1, f2], len(x), fs=1021)
>>> X = transform(x)
>>> f = np.linspace(f1, f2, len(x))
>>> import matplotlib.pyplot as plt
>>> plt.plot(f, 20*np.log10(np.abs(X)))
>>> plt.show()