标签: fft

我试图了解 scipy.fftpack.fft 的输出。我创建了一个信号并做了一个fft。这是fft的代码：

import numpy as np
from scipy.fftpack import fft
import matplotlib.pyplot as plt

# Number of samplepoints
N = 600
# sample spacing
T = 1.0 / 800.0
x = np.linspace(0.0, N*T, N)
y = 5.0 * np.sin(50.0 * 2.0*np.pi*x) + 1.0*np.sin(80.0 * 2.0*np.pi*x) #unit is V
yf = fft(y)
xf = np.linspace(0.0, 1.0/(2.0*T), N/2)

plt.close()
plt.plot(xf, 2.0/N * np.abs(yf[0:N/2]))
plt.grid()
plt.show()

这创造了这个：

我知道信号强度幅度的单位与它从（V）创建的波形上的信号单位相同。我不明白 fft 频率的幅度与原始信号幅度之间的关系。比如50Hz正弦部分的幅度是5.0V，那为什么fft上50Hz的幅度在3.6V左右呢？

我想知道 numpy 中是否有任何函数可以确定矩阵是否为酉矩阵？

这是我写的函数，但它不起作用。如果你们能在我的函数中找到错误和/或告诉我另一种方法来确定给定矩阵是否是酉矩阵，我将不胜感激。

def is_unitary(matrix: np.ndarray) -> bool:

    unitary = True
    n = matrix.size
    error = np.linalg.norm(np.eye(n) - matrix.dot( matrix.transpose().conjugate()))

    if not(error < np.finfo(matrix.dtype).eps * 10.0 *n):
        unitary = False

    return unitary

我需要在一个包含大约 40 个文件的小型数据库中找到一个类似的 wav 文件，长度从 5 秒到 7 秒不等。

这些 wav 文件是电话服务提供商在您拨打电话时提供给您的记录。

例子：

https://clyp.it/lnz1aybd

我的针有 1 或 2 秒长。

所有的 wav 都是pcm 编码的 16 位 8000hz 单声道。

我尝试使用Aurio.AudioFingerPrint没有成功

https://github.com/protyposis/Aurio

// Setup the sources
var audioTrack1 = new AudioTrack(new FileInfo("Full5secs.wav"));
var audioTrack2 = new AudioTrack(new FileInfo("Part2Secs.wav"));

// Setup the fingerprint generator
var defaultProfile = FingerprintGenerator.GetProfiles()[0];
var generator = new FingerprintGenerator(defaultProfile);

// Create a fingerprint store
var store = new FingerprintStore(defaultProfile);

// Setup the generator event listener (a …

我有一个z采样频率fs = 12（每月数据）的时间序列，我想使用fft10 个月和 15 个月执行带通滤波器。这就是我将继续的方式：

y <- as.data.frame(fft(z))
y$freq <- ..
y$y <-  ifelse(y$freq>= 1/10 & y$freq<= 1/15,y$y,0)
zz <- fft(y$y, inverse = TRUE)/length(z)
plot zz in the time domain...

但是，我不知道如何推导出 fft 的频率，也不知道如何在时域中绘制 zz。有人能帮我吗？

我可以从 .wav 文件中获得信号的幅度，但如何获得该信号的相位，，，这是我浏览 .wav 文件并提取信号的地方

def browse_wav(self):

    filepath = QtGui.QFileDialog.getOpenFileName(self, 'Single File', "C:\Users\Hanna Nabil\Documents",'*.wav')
    f= str(filepath)
    if f != "":
        spf = wave.open(f, 'r')
    import contextlib

    with contextlib.closing(wave.open(f, 'r')) as f:
        frames = f.getnframes()
        rate = f.getframerate()
        duration = frames / float(rate)
        print "Duration is " , duration

    # Extract Raw Audio from Wav File
    self.signal = spf.readframes(-1)
    self.signal = np.fromstring(self.signal, 'Int16')
    self.fs = spf.getframerate()
    print "Sampling Rate is " ,self.fs

    # If Stereo
    if spf.getnchannels() == 2:
        print 'Just …

几天前，我遇到了这个关于FFT使用的答案

在答案中有一段这样的代码：

w = np.fft.fft(data)
freqs = np.fft.fftfreq(len(w))

我在 numpy 文档（这里）中阅读了函数fftfreq，我发现它返回一个包含以下内容的数组：

f = [0, 1, ...,   n/2-1,     -n/2, ..., -1] / (d*n)   if n is even
f = [0, 1, ..., (n-1)/2, -(n-1)/2, ..., -1] / (d*n)   if n is odd

在我的情况下，d var 等于 1 和n是偶数。

所以我的问题是：fftfreq 的真正目的是什么？

我想知道它是否是一种三角窗函数。

我是处理信号的新手，需要您的帮助。

我从我的 TI AFE4490 获得了一个 10 秒的原始 PPG（光体积描记图）信号。我的硬件已经过校准，我每秒使用 250 个样本来记录这些信号。最后我获得了2500分。

您可以在下面看到图像、点和代码。

顶部：我的原始 PPG 信号 - 底部：尝试应用 FFT：

代码：

RED, IR, nSamples, sRate = getAFESignal()


period = 1/sRate

plt.figure(1)

plt.subplot(2,1,1)
x = np.linspace(0.0, nSamples*period, nSamples)
y = IR
plt.xlabel("Time (s)")
plt.ylabel("Voltage (V)")
plt.plot(x,y)

plt.subplot(2,1,2)
yf = fft(y)
xf = np.linspace(0.0, 1.0/(2.0*period), nSamples//2) 
plt.xlabel("Frequency (Hz)")
plt.ylabel("Gain")
plt.plot(xf, 2.0/nSamples * np.abs(yf[0:nSamples//2])) 

plt.grid()
plt.show()

该函数getAFEsignal()只是一个读取 .txt 文件并将所有内容放入两个 numpy 数组的函数。

在这里您可以找到 .txt 文件：原始信号文件

如您所见，我没有正确应用 FFT，我需要它来发现我需要过滤的频率。你知道我做错了什么吗，是否可以在这个信号上应用 FFT？

我有在相关点具有等效间隔和相应测量值的数据。例如，这是我拥有的数据的摘录：

y =[2.118, 2.1289, 2.1374, 2.1458, 2.1542, 2.1615, 2.1627, 2.165 2.1687...]

点之间的间隔为 0.1

所以，我需要从数据中获取的是幅度谱（幅度与频率）和相位谱（相位角与频率）。此外，我应该将数据的相位偏移负 90 度 (-pi/2)。

在移动相位并保持幅度不变时，我需要执行逆 fft 并获得新信号。我想在 Python 中做到这一点。

你能给我一个执行此操作的示例吗？

我使用的代码取自另一个 SO 问题，但我做了一些修改

## Perform FFT WITH SCIPY
signalFFT = np.fft.fft(y)

## Get Power Spectral Density
signalPSD = np.abs(signalFFT) ** 2
signalPhase = np.angle(signalFFT)

## Shift the phase py +90 degrees
new_signalPhase =(180/np.pi)*np.angle(signalFFT)+90 


## Get frequencies corresponding to signal 
fftFreq = np.fft.fftfreq(len(signalPSD), 0.1)

## Get positive half of frequencies
i = fftFreq>0

##
plt.figurefigsize=(8,4)
#plt.plot(fftFreq[i], 10*np.log10(signalPSD[i]));

plt.plot(fftFreq[i], …

我想分析麦克风输入的当前频率，以将我的 LED 与播放的音乐同步。我知道如何从麦克风捕获声音，但我不知道 FFT，我在寻找获取频率的解决方案时经常看到它。

我想测试某个频率的当前音量是否大于设定值。代码应该是这样的：

 if(frequency > value) { 
   LEDs on
 else {
   LEDs off
 }

我的问题是如何在 Java 中实现 FFT。为了更好地理解，这里有一个指向 YouTube 视频的链接，它显示了我正在努力实现的目标。

整个代码：

public class Music {

    static AudioFormat format;
    static DataLine.Info info;

    public static void input() {
        format = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, 44100, 16, 2, 4, 44100, false);

        try {
            info = new DataLine.Info(TargetDataLine.class, format);
            final TargetDataLine targetLine = (TargetDataLine) AudioSystem.getLine(info);
            targetLine.open();

            AudioInputStream audioStream = new AudioInputStream(targetLine);

            byte[] buf = new byte[256]

            Thread targetThread = new Thread() { …

我试图通过传递我创建的低通滤波器来使用 fft 模糊图像，但输出结果是一个充满灰色噪声的图像。我只是想遵循这里的基础知识，但我的实现似乎有问题：  

from scipy import fftpack
import numpy as np
import imageio
from PIL import Image, ImageDraw

image1 = imageio.imread('image.jpg',as_gray=True)

#convert image to numpy array
image1_np=np.array(image)

#fft of image
fft1 = fftpack.fftshift(fftpack.fft2(image1_np))

#Create a low pass filter image
x,y = image1_np.shape[0],image1_np.shape[1]
#size of circle
e_x,e_y=50,50
#create a box 
bbox=((x/2)-(e_x/2),(y/2)-(e_y/2),(x/2)+(e_x/2),(y/2)+(e_y/2))

low_pass=Image.new("L",(image1_np.shape[0],image1_np.shape[1]),color=0)

draw1=ImageDraw.Draw(low_pass)
draw1.ellipse(bbox, fill=255)

low_pass_np=np.array(low_pass)
low_pass_fft=fftpack.fftshift(fftpack.fft2(low_pass))

#multiply both the images
filtered=np.multiply(fft1,low_pass_fft)

#inverse fft
ifft2 = abs(fftpack.ifft2(fftpack.ifftshift(filtered)))

#save the image
imageio.imsave('fft-then-ifft.png', ifft2.astype(np .uint8))