我目前正在尝试编写一些傅里叶变换算法。我从一个简单的 DFT 算法开始,如数学定义中所述:
public class DFT {
public static Complex[] Transform(Complex[] input) {
int N = input.Length;
Complex[] output = new Complex[N];
double arg = -2.0 * Math.PI / (double)N;
for (int n = 0; n < N; n++) {
output[n] = new Complex();
for (int k = 0; k < N; k++)
output[n] += input[k] * Complex.Polar(1, arg * (double)n * (double)k);
}
return output;
}
}
所以我用下面的代码测试了这个算法:
private int samplingFrequency = 120;
private int numberValues = 240;
private void doCalc(object sender, EventArgs e) {
Complex[] input = new Complex[numberValues];
Complex[] output = new Complex[numberValues];
double t = 0;
double y = 0;
for (int i = 0; i < numberValues; i++) {
t = (double)i / (double)samplingFrequency;
y = Math.Sin(2 * Math.PI * t);
input[i] = new Complex(y, 0);
}
output = DFT.Transform(input);
printFunc(input);
printAbs(output);
}
转换工作正常,但前提是 numberValues 是 samplingFrequency 的倍数(在本例中:120、240、360 等)。这是我对 240 个值的结果:
转换效果很好。
如果我尝试计算 280 个值,我会得到以下结果:
如果更改计算值的数量,为什么会得到不正确的结果? 我不确定我这里的问题是我的代码有问题还是对DFT的数学定义有误解。无论哪种方式,任何人都可以帮助我解决我的问题吗?谢谢。
最佳答案
您遇到的是Spectral Leakage .
这是因为傅立叶变换的基础数学假设了一个从-无穷大到+无穷大的连续函数。因此,您提供的样本范围会有效地重复无限次。如果您在窗口中没有完整的波形周期数,那么两端将不会对齐,您会得到一个不连续点,它表现为频率向两边扩散。
处理此问题的正常方法称为 Windowing .然而,这确实有一个缺点,因为它会导致振幅略微偏离。这是将您要处理的样本的整个窗口乘以某个函数的过程,该函数在窗口的两端趋向于 0,导致两端对齐但具有一些幅度失真,因为此过程降低了总信号功率。
总而言之,您的代码没有错误,结果符合预期。可以使用窗口函数减少伪影,但这会影响振幅的准确性。您需要调查并确定哪种解决方案最适合您的项目要求。
关于c# - 离散傅里叶变换,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7582744/