我想过滤掉不需要的频率,并保持一个只有60赫兹的信号。你知道吗
以下是我迄今为止所做的:
import numpy as np
from scipy.fftpack import rfft, irfft, fftfreq
#
time = np.linspace(0,1,1000)
in_sig = np.cos(54*np.pi*time) + np.cos(60*np.pi*time) + np.sin(66*np.pi*time);
high_freq = 62;
low_freq = 58;
freqs = fftfreq(len(in_sig), d=time[1]-time[0])
filt_sig = rfft(in_sig)
cut_filt_sig = filt_sig.copy()
cut_filt_sig[(freqs<low_freq)] = 0
cut_filt_sig[(freqs>high_freq)] = 0
cut_in_sig = irfft(cut_filt_sig)
from pylab import *
figure(figsize=(10, 6))
subplot(221);plot(time,in_sig); title('Input signal');
subplot(222);plot(freqs,filt_sig);xlim(0,100);title('FFT of the input signal');
subplot(223);plot(time,cut_in_sig); title('Filtered signal');
xlabel('Time (s)')
subplot(224);plot(freqs,cut_filt_sig);xlim(0,100); title('FFT of the filtered signal');
xlabel('Freq. (Hz)')
show()
我可以看到滤波后的信号在边缘的振幅较低,我认为这可能是由于应用了矩形窗口。您建议使用什么窗口来改进输出?你知道吗
这个问题可能来自numpy的^{} 。默认模式是包含端点
stop
。所以time
就是0, 1/999, 2/999, ..., 1
。相反,fft
将长度为N
的信号处理为在0, T/N, ... , T(N-1)/N
处采样的周期信号,从而避免了端点的冗余。 因此,计算出的DFT使用长度为T=1000/999的帧。因此,DFT的频率是k×999/1000,而不是k。由于帧的长度不是信号周期(1/6s)的倍数,因此出现了名为spectral leakage的问题。你知道吗为了避免频谱泄漏,可以通过移除端点将帧的长度缩短为周期的倍数:
它将
time
返回为0,1/1000,….999/1000,由DFT处理为长度为1的帧,即输入信号周期(1/6s)的倍数。你知道吗如果帧的长度不是信号周期的倍数,则输入信号可以是windowed,以便部分地减轻与帧的边缘处的不连续性有关的影响,但是杂散频率仍然存在。 最后,通过估计峰值频率作为其相对于功率密度的平均频率,可以正确地计算实际频率。看看我的答案 Why are frequency values rounded in signal using FFT?
相关问题 更多 >
编程相关推荐