通过下面的代码,我想了解一下输入信号中的不同频率以及它们的“强度”。你知道吗
如果正弦波的频率没有小数点(比如:5.0
和20.0
),这个方法非常有效——请看下面的第一个屏幕截图:我在fft中得到了两个频率的尖峰,而且高度和频率本身都相当于代码中的输入参数。你知道吗
不幸的是,如果一个频率有小数位(比如:5.4
表示一个频率),情况就不同了——见第二个屏幕截图:现在5.4不再是fft图中的尖峰,而且峰值的高度也不同于该正弦波的2.0振幅。你知道吗
我有两个问题:
我能做些什么来改变number of points
(n
)或其他参数,使5.4
也有一个高度为2.0的尖峰,如其他屏幕截图所示。
计算一个频率范围(如0<;x<;10)的强度并将其与另一个频率范围(如20<;x<;30)进行比较的正确数学方法是什么。我的期望是,对于5.4
的频率,两个范围应该提供相同的frequency strength
。
代码:
import matplotlib
matplotlib.use('QT5Agg')
import matplotlib.pyplot as plt
import numpy as np
from numpy.fft import fft, fftfreq
# setup for domain - number of points
n = 1000.
# distance (in meters) or time period (in seconds)
Lx = 100.
omega = 2.0 * np.pi / Lx
x = np.linspace(0, Lx, n)
y1 = 2.0 * np.sin(5.4 * omega * x)
y2 = 2.0 * np.sin(25.0 * omega * x)
y = y1 + y2
freqs = fftfreq(int(n))
mask = freqs >= 0
nwaves = freqs * n
fft_vals = fft(y)
# true theoretical fft
fft_theo = 2.0 * np.abs(fft_vals / n) # multiplied by 2 because I do not look at negative frequencies and have to take their values into account here, too.
plt.figure(8)
plt.plot(nwaves[mask], fft_theo[mask], "-o", markersize=4, label='fft')
plt.xlim(-0.1, 30)
plt.minorticks_on()
plt.grid(b=True, which='major', color='b', linestyle='--')
plt.grid(b=True, which='minor', color='y', linestyle='--')
plt.show()
截图一:低频率为5.0
截图二:低频率为5.4
在这两种情况下,您都可以使用Sinc插值(或重建)来查看孔径频率中严格整数周期之间加窗正弦波的实际频谱。你知道吗
任何有限长信号都没有尖峰。它看起来是这样的,因为您只绘制整数周期频率点。你知道吗
相关问题 更多 >
编程相关推荐