Python SciPy signal.zoom_fft用法及代碼示例

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

用法:

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

僅針對 fn 範圍內的頻率計算 x 的 DFT。

參數 ：：

x： 數組

要轉換的信號。

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 x 的長度。

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。

axis： 整數，可選

計算 FFT 的軸。如果未給出，則使用最後一個軸。

返回 ：：

out： ndarray

轉換後的信號。傅裏葉變換將在點 f1、f1+df、f1+2df、…、f2 處計算，其中 df=(f2-f1)/m。

注意：

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

要繪製結果變換的幅度，請使用：

plot(linspace(f1, f2, m, endpoint=False), abs(zoom_fft(x, [f1, f2], m)))

如果需要重複轉換，請使用 ZoomFFT 構造一個專門的轉換函數，無需重新計算常量即可重複使用。

例子：

要繪製轉換結果，請使用以下內容：

>>> 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()