Python SciPy signal.ZoomFFT用法及代碼示例

本文簡要介紹 python 語言中 scipy.signal.ZoomFFT 的用法。

用法:

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

創建一個可調用的縮放 FFT 變換函數。

這是對單位圓周圍一組等距頻率的線性調頻脈衝 z-transform ( CZT ) 的特化，用於比計算整個 FFT 和截斷更有效地計算 FFT 的一部分。

參數 ：：

n： int

信號的大小。

fn： array_like

給出頻率範圍的長度為 2 的序列 [f1, f2] 或標量，假定範圍為 [0, fn]。

m： 整數，可選

要評估的點數。默認值為 n。

fs： 浮點數，可選

采樣頻率。如果fs=10例如，表示 10 kHz，則f1和f2也將以 kHz 為單位。默認采樣頻率為 2，因此f1和f2應在 [0, 1] 範圍內，以保持變換低於奈奎斯特頻率。

endpoint： 布爾型，可選

如果為 True，則 f2 是最後一個樣本。否則，不包括在內。默認為假。

返回 ：：

f： ZoomFFT

可調用對象f(x, axis=-1)用於計算縮放 FFTx.

注意：

選擇默認值使得 f(x, 2) 等效於 fft.fft(x) ，如果 m > len(x) ，則 f(x, 2, m) 等效於 fft.fft(x, m) 。

采樣頻率為 1/dt，即信號 x 中樣本之間的時間步長。單位圓對應於從 0 到采樣頻率的頻率。默認采樣頻率為 2 表示 f1、f2 值直至奈奎斯特頻率都在 [0, 1) 範圍內。對於以弧度表示的 f1、f2 值，應使用 2*pi 的采樣頻率。

請記住，縮放 FFT 隻能對現有 FFT 的點進行插值。它無法幫助解決兩個獨立的附近頻率。頻率分辨率隻能通過增加采集時間來提高。

這些函數是使用 Bluestein 的算法實現的(如 scipy.fft )。 [2]

參考：

[1]

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

[2]

Leo I. Bluestein，“離散傅立葉變換計算的線性濾波方法”，東北電子研究與工程會議記錄 10, 218-219 (1968)。

例子：

要繪製轉換結果，請使用以下內容：

>>> 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()