python做fft的估計（python fftw）

本文目錄一覽：

• 1、python如何實現FFT？
• 2、Python ifft
• 3、Python實現信號的時域與頻域之間的轉換
• 4、求一個PYTHON語言編寫的FFT變換的代碼。
• 5、python 二維FFT
• 6、python 問題。。。 對一個波形文件做fft，然後怎麼獲取那些頻率分量？ numpy有這個函數

python如何實現FFT？

fft的結果是有複數.

perl代碼運行的結果也是複數, 只不過實部虛部存儲方法不同.

你可以舉個你希望的python的輸入輸出的例子

Python ifft

1.傅利葉逆變換得到原始信號

注意fft的結果是個複數，這時取絕對值得到頻率對應的振幅。ifft的結果也是複數，有正有負，因為原始信號也是有正有負，這時不能取絕對值，而應取實數部分。虛數部分都接近於0.當然如果原始信號沒有負數，也可取絕對值。

2.模擬去除高頻噪聲

現在原始信號中加入了頻率為450，500的兩個小幅的高頻信號，模擬高頻噪聲，可以發現信號波形中有很多毛刺。fft的結果頻率是正頻率從0到最高，然後負頻率再從最高到0，所以去除高頻信號就是讓中間那部分為0。

Python實現信號的時域與頻域之間的轉換

用FFT（快速傅里葉變換）可以將時域的數字信號轉換為頻域信號，轉換為頻域信號之後就可以分析出信號的頻率成分，最後還可以將處理完畢的頻域信號通過IFFT（逆變換）轉換為時域信號。

這裡使用Scipy模塊中的fft實現時域信號的FFT變換，如下：

時域信號：該信號為帶有噪聲的正弦信號經過小波去噪後的圖像

轉換結果：

求一個PYTHON語言編寫的FFT變換的代碼。

1.對於此錯誤，最常見的原因是，的確沒有對齊。但是我根據錯誤提示的行數，去代碼中看了下，沒啥問題啊。

都是用tab鍵，對齊好了的，沒有不對齊的行數啊。

2.以為是前面的注釋的內容影響後面的語句的語法了，所以把前面的注釋也刪除了。

結果還是此語法錯誤。

3.後來折騰了半天，突然想到了，把當前python腳本的所有字符都顯示出來看看有沒有啥特殊的字符。

python 二維FFT

二維FFT常用在圖像處理上，首先要能理解二維FFT的意義，否則很難明白它到底是怎麼工作的。

第一列是原圖和對應的頻率信息，第二列是去除低頻部分後，FFT逆變換得到的圖像。第三列是去除高頻部分後FFT逆變換得到的圖像。

從第二列可以看出高頻貢獻了圖像的細節。從白到黑的邊界保留了下來。而原圖中大片的白與大片的黑在這個圖中沒什麼區別。

第三列中保留了原圖中的亮部與灰部，而由黑到白的臨界線卻很模糊。細小的白線黑線也沒能顯示。所以低頻貢獻了圖像的明暗。

2.工作原理理解

二維FFT就是先對行做次一維FFT，這樣每個元素都是關於行頻率信息了，然後再對列做一維FFT,這樣每個元素都包含了行和列的頻率信息。每個元素都是個複數，取絕對值可得到振幅，從實部與虛部的比值可等到相位，在二維矩陣的位置信息包含了頻率大小和方向。方向在一維FFT中是不用考慮的。

FFT2的結果也是正頻率從0到高然後負頻率從高到0.fftshift()之後會將低頻放到中間位置。

第一幅圖的頻譜是中間一條白線，也就是說許多個正弦波沿橫向傳播。縱向上沒有變化。

第三幅圖的頻譜是十字形加一條從左下角到右上角的直線。說明原圖在橫向，縱向都有變化，變化的方向從左下角到右上角。

從中心到頻譜圖上某一點構成的向量方向就是這個波傳播的方向。

正負對稱才能消除虛部，這點與一維FFT原理一致。

python 問題。。。 對一個波形文件做fft，然後怎麼獲取那些頻率分量？ numpy有這個函數

你提問的問題，有點錯誤。

波形是時域的，FFT變換就是為了將波形從時域轉換到頻域。

做了FFT 以後，得到的數據就是頻率分量。

如果你說的是python fft代碼如何寫。下面就是：

這邊演示的是語音波形。

wf = wave.open(wav_file,”rb”)

params = wf.getparams()

nchannels, sampwidth, framerate, nframes = params[:4]

str_data = wf.readframes(nframes)

wf.close()

#將波形數據轉化為數組

s = np.fromstring(str_data, dtype=np.short)

#wave_data。 這裡波形是語音波形

s = np.fft.fft(s)  #fft  獲得頻譜