Python SciPy signal.zoom_fft用法及代码示例

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

用法:

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

仅针对 fn 范围内的频率计算 x 的 DFT。

参数 ：：

x： 数组

要转换的信号。

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 x 的长度。

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。

axis： 整数，可选

计算 FFT 的轴。如果未给出，则使用最后一个轴。

返回 ：：

out： ndarray

转换后的信号。傅里叶变换将在点 f1、f1+df、f1+2df、…、f2 处计算，其中 df=(f2-f1)/m。

注意：

选择默认值使得 signal.zoom_fft(x, 2) 等效于 fft.fft(x) ，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)))

如果需要重复转换，请使用 ZoomFFT 构造一个专门的转换函数，无需重新计算常量即可重复使用。

例子：

要绘制转换结果，请使用以下内容：

>>> 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()