最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

基于Python實(shí)現(xiàn)DIT-FFT算法

 更新時(shí)間:2022年10月20日 14:48:02   作者:weixin_51613747  
FFT(Fast Fourier Transformation)是離散傅氏變換(DFT)的快速算法。即為快速傅氏變換。本文將用Python語(yǔ)言實(shí)現(xiàn)DIT-FFT算法,感興趣的可以了解一下

自己寫(xiě)函數(shù)實(shí)現(xiàn)FFT

使用遞歸方法

from math import log, ceil, cos, sin, pi
import matplotlib.pyplot as plt
import numpy as np
 
 
# 這兩行代碼解決 plt 中文顯示的問(wèn)題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
 
 
def fft(x, N=None):
    # DIT-FFT 函數(shù)說(shuō)明
    # x: 時(shí)域序列
    # N: N點(diǎn)DFT, 理論上N=2**M
    # 返回值為序列x的DFT
    if N is None:
        N = len(x)
    elif N < len(x):
        N = len(x)
    
    if N == 2:
        return [x[0]+x[1], x[0]-x[1]]
    
    # 補(bǔ)0使得N=2**M
    M = ceil(log(N, 2))
    N = 2**M
    x = x + [0] * (N-len(x))
    
    # 遞歸地計(jì)算偶數(shù)項(xiàng)和奇數(shù)項(xiàng)的DFT
    X1 = fft(x[0::2])
    X2 = fft(x[1::2])
    X = [0] * N
    for i in range(N//2):
        # 蝶形計(jì)算
        tmp = (cos(2*pi/N*i)-1j*sin(2*pi/N*i))*X2[i]
        X[i] = X1[i] + tmp
        X[i+N//2] = X1[i] - tmp
    
    return X
 
 
if __name__ == '__main__':
    x = [1]*10
    y = fft(x, 1024)
    # print(y)
    z = [abs(i) for i in y]
    # print(z)
    plt.plot(np.arange(len(z))*2/len(z), z, label='10點(diǎn)矩形窗函數(shù)的FFT')
    plt.title("幅度譜")
    plt.xlabel(r'單位:$\pi$')
    plt.ylabel(r'$|H(j\omega)|$')
    plt.grid(linestyle="-.")
    plt.legend()
    plt.show()

使用循環(huán),流式計(jì)算(極大地節(jié)省了內(nèi)存)

from math import log, ceil, cos, sin, pi
import matplotlib.pyplot as plt
import numpy as np
 
 
# 這兩行代碼解決 plt 中文顯示的問(wèn)題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
 
 
def fft(x, N=None):
    # DIT-FFT 函數(shù)說(shuō)明
    # x: 時(shí)域序列
    # N: N點(diǎn)DFT, 理論上N=2**M
    # 返回值為序列x的DFT
    """
    采用流式計(jì)算方法,只用了一個(gè)N(N=2**M)點(diǎn)的數(shù)組內(nèi)存
    """
    if N is None:
        N = len(x)
    elif N < len(x):
        N = len(x)
    
    # 補(bǔ)0使得:N=2**M
    M = ceil(log(N, 2))
    N = 2**M
    x = x + [0] * (N-len(x))
    
    fm = "{:0"+f"{M}"+"b}"
    X = [0] * N
    for i in range(N//2):
        index1 = eval('0b'+fm.format(i*2)[::-1])
        index2 = eval('0b'+fm.format(i*2+1)[::-1])
        X[2*i] = x[index1] + x[index2]
        X[2*i+1] = x[index1] - x[index2]
    
    for i in range(1, M):
        # 第i步表示將2**i點(diǎn)DFT合成2**(i+1)點(diǎn)的DFT
        # 蝶形寬度width
        width = 2**i
        
        """
        將X(k)序列進(jìn)行分組,每組2**(i+1)個(gè)點(diǎn),
        便于將每組中兩組2**i點(diǎn)DFT合成一組2**(i+1)點(diǎn)的DFT
        """
        # num=2*width=2**(i+1), 表示每組點(diǎn)數(shù)
        num = 2*width
        # 組數(shù)groups
        groups = N//num
        
        for j in range(groups):
            # 對(duì)每組將2**i點(diǎn)DFT合成2**(i+1)=num點(diǎn)的DFT
            for k in range(num//2):
                # 旋轉(zhuǎn)因子
                W = cos(2*pi/num*k) - 1j * sin(2*pi/num*k)
                # 第j組第k個(gè)
                index = j*num + k
                tmp = W * X[index+width]    # 每個(gè)蝶形一次復(fù)數(shù)乘法
                X[index], X[index+width] = X[index]+tmp, X[index]-tmp
                
    return X
    
 
if __name__ == '__main__':
    x = [1]*10
    y = fft(x, 1024)
    # print(y)
    z = [abs(i) for i in y]
    # print(z)
    plt.plot(np.arange(len(z))*2/len(z), z, label='10點(diǎn)矩形窗函數(shù)的FFT')
    plt.title("幅度譜")
    plt.xlabel(r'單位:$\pi$')
    plt.ylabel(r'$|H(j\omega)|$')
    plt.grid(linestyle="-.")
    plt.legend()
    plt.show()

運(yùn)行結(jié)果:

# 說(shuō)明:建議使用第二種方法實(shí)現(xiàn)FFT。第一種遞歸的方法在遞歸調(diào)用時(shí)也需要一定的成本,且使用的內(nèi)存較大;而第二種方法只使用了一個(gè)N(N=2**M)點(diǎn)的數(shù)組進(jìn)行計(jì)算,內(nèi)存可重用。

使用python的第三方庫(kù)進(jìn)行FFT

import numpy as np
from numpy.fft import fft, ifft
# from scipy.fftpack import fft, ifft
import matplotlib.pyplot as plt
 
 
# 這兩行代碼解決 plt 中文顯示的問(wèn)題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
 
 
if __name__ == '__main__':
    x = 2*np.sin(np.pi/2*np.arange(100))+np.sin(np.pi/5*np.arange(100))
    z = [abs(i) for i in fft(x, 2048)]
    # print(z)
    L = len(z)
    plt.plot((np.arange(L)*2/L)[:L//2], z[:L//2], label='兩個(gè)不同頻率正弦信號(hào)相加的DFT')
    plt.title("幅度譜")
    plt.xlabel('$\pi$')
    plt.ylabel('$|H(j\omega)|$')
    plt.grid(linestyle="-.")
    plt.legend()
    plt.show()
    
    print('max(abs(ifft(fft(x))-x)) = ', end='')
    print(max(abs(ifft(fft(x))-x)))

運(yùn)行結(jié)果:

max(abs(ifft(fft(x))-x)) = 9.01467522361575e-16

以上就是基于Python實(shí)現(xiàn)DIT-FFT算法的詳細(xì)內(nèi)容,更多關(guān)于Python DIT-FFT算法的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評(píng)論

太和县| 会昌县| 长阳| 沛县| 彰化县| 彰化县| 垦利县| 浑源县| 砚山县| 汶上县| 威信县| 岳西县| 金塔县| 长乐市| 徐水县| 新巴尔虎左旗| 呈贡县| 宜春市| 河源市| 游戏| 三门县| 永州市| 塔城市| 山阴县| 河北区| 马边| 夏河县| 富民县| 绵阳市| 易门县| 应城市| 五大连池市| 金川县| 靖江市| 阜平县| 石渠县| 安新县| 周宁县| 天祝| 宁远县| 金秀|