np.fft.fft() 返回一个复数数组....复数的含义是什么? 我想真正的部分是振幅! 虚部是相移 ?相位角 ?或者别的什么!
我发现数组中的位置代表频率。
最佳答案
这不是真正的编程问题,也不特定于 numpy
.简而言之,复数的绝对值(sqrt(x.real**2 + x.imag**2)
或 numpy.abs()
)就是振幅。
更详细,当您将 FFT 应用于数组时 X
(比如说,它包含函数 X(t)
在不同值 t
的多个样本),您尝试将其表示为“平面波” exp(i w t)
的总和(其中 i
是虚数单位,w
是实值频率)具有不同的 w
值.也就是说,你想要类似的东西
X = A exp(i w1 t) + B exp(i w2 t) + ...
FFT 返回这些系数 A
, B
等对应一些固定频率w1
, w2
等(在 numpy
中,您可以从 fftfreq() 中获取它们的值)。
现在,这些系数通常是复数。复数 A
可以表示为“振幅”和“相位”的组合:
A = r exp(i p)
哪里r
( == numpy.abs(A)
) 是振幅, p
( == numpy.angle(A)
) 是相位,都是实数值。如果将其代入 FFT 展开中的项,您将得到
r exp(i p) exp(i w t) == r exp(i (w t + p))
因此,振幅 r
改变项的绝对值和相位 p
,好吧,改变了阶段。因此,为了从 FFT 结果中获取振幅数组,您需要应用 numpy.abs
。
但我真的建议您阅读有关 FFT 理论的内容,周围有很多信息,例如 wiki .
关于python - numpy.fft() 返回值振幅+相移或角度是多少?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28618591/