标签: fft

我正在解决与FFT相关的问题。我遇到这样的情况，我必须将传入的数据流转发到 FFT 库函数或可以将时域数据转换为频域数据的 FFT 例程。

我需要使用 C# 中的哪个库？微软有提供这个吗？或者我需要为此使用一些第三方库？

我正在寻找周期信号中最丰富的频率。我试图了解如果对周期信号执行傅立叶变换并过滤具有负 fft 值的频率，会得到什么。

换句话说，图 2 和图 3（见下文）的轴表示什么？我正在绘制 fft 转换信号上的频率（周期/秒） - y 轴上的负值意味着什么，我只对这些感兴趣是否有意义？

import numpy as np
import scipy

# generate data
time = scipy.linspace(0,120,4000)
acc = lambda t: 10*scipy.sin(2*pi*2.0*t) + 5*scipy.sin(2*pi*8.0*t) + 2*scipy.random.random(len(t))
signal = acc(time)

# get frequencies from decomposed fft
W =  np.fft.fftfreq(signal.size, d=time[1]-time[0])
f_signal = np.fft.fft(signal)

# filter signal
# I'm getting only the "negative" part!
cut_f_signal = f_signal.copy()
# filter noisy frequencies
cut_f_signal[(W < 8.0)] = 0
cut_f_signal[(W > 8.2)] = 0

# inverse fourier to …

我正在尝试找到信号的 fft 峰值，以用于进一步分析信号。我正在使用数据的 SpanSelect 并进行 fft，表示为频谱。我真的想让绘图具有交互性，并且用户单击一个点进行进一步分析，但我没有找到一种方法可以做到这一点，所以想要一种找到局部频率峰值的方法。频谱可能如下所示：

因此，我想要一种方法来返回峰值为 38 Hz 的频率。有没有办法做到这一点？

我注意到它RcppArmadillo支持 FFT 和 2-D FFT。ifft2不幸的是， ( RcppArmadillo) 和 R 的原生数据与我的数据之间存在显着差异mvfft(..., inverse = TRUE)。这在第零个容器中特别大（这在我的应用程序中非常重要）。差异不是标量倍数。我找不到任何文档或解释这些偏差，特别是在第零个容器中。

我已经专门针对函数调用调试了该问题ifft(arma::cx_mat input)。除非存在不可预见的内存管理问题，否则这就是罪魁祸首。

示例：ifft2结果（1 列前 5 个条目）：

[1] 0.513297156-0.423498014i -0.129250939+0.300225299i  
0.039722228-0.093052563i -0.007956237+0.018643534i 0.001181177-0.002768473i

mvfft逆结果（1 列前 5 个条目）：

[1] 0.278131988-0.633838170i -0.195699114+0.445980950i  
0.060070320-0.136894940i -0.011924932+0.027175865i 0.001754788-0.003999007i

问题

• FFT 还在开发中吗RcppArmadillo？
• 这是 FFT 变体中的常见问题（FP 或 DP 噪声之外的数值偏差）吗？
• 是否有来自 Rcpp 或 RcppArmadillo 的“低级”函数调用来调用 R 的本机 FFT？

重现性 - 下面我尽可能地浓缩了问题并重现了问题。 更新了最少的代码 Rcpp 代码：

#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]

using namespace Rcpp;
 // …

我尝试在android平台上开发一个吉他游戏。

我需要进行实时音高检测以获得吉他和弦/弦的频率。

我将从麦克风获取输入，然后分析输入（输入弹奏哪种吉他弦/和弦）

我发现有两种可以使用的方法，一种是YIN，另一种是FFT。

哪种方法可以获得更好的性能和准确的结果？

我有 python 3.4。

我发送了一个 2MHz（例如）频率并随着时间的推移接收到空化（直到我停止测量）。我想得到一个频谱图（空化与频率），更有趣的是在次谐波 (1MHz) 频率时间内的空化频谱图。

数据保存在sdataA（=空化）和t（=测量时间）

我试图在 FFTA 中保存 fft

FFTA = np.array([])
FFTA = np.fft.fft(dataA)
FFTA = np.append(FFTA, dataA)

我得到了实数和复数然后我只取了一半（从 0 到 1MHz）并保存了实数和复数数据。

nA = int(len(FFTA)/2)
yAre = FFTA[range(nA)].real
yAim = FFTA[range(nA)].imag

我试图通过以下方式获取频率：

FFTAfreqs = np.fft.fftfreq(len(yAre))

但这是完全错误的（我打印了数据print (FFTAfreqs)）

我还绘制了数据，但它又是错误的：

plt.plot(t, FFTA[range(n)].real, 'b-', t, FFTA[range(n)].imag, 'r--')
plt.legend(('real', 'imaginary'))
plt.show()

如何在次谐波 (1MHz) 频率范围内输出空化频谱图？

编辑：

数据示例：

查看“dataA”和“time”的示例：

dataA = [6.08E-04,2.78E-04,3.64E-04,3.64E-04,4.37E-04,4.09E-04,4.49E-04,4.09E-04,3.52E-04,3.24E-04,3.92E-04,3.24E-04,2.67E-04,3.24E-04,2.95E-04,2.95E-04,4.94E-04,4.09E-04,3.64E-04,3.07E-04]
time = [0.00E+00,4.96E-07,9.92E-07,1.49E-06,1.98E-06,2.48E-06,2.98E-06,3.47E-06,3.97E-06,4.46E-06,4.96E-06,5.46E-06,5.95E-06,6.45E-06,6.94E-06,7.44E-06,7.94E-06,8.43E-06,8.93E-06,9.42E-06]

编辑二： 从@Martin 示例中，我尝试了以下代码，如果我做得对，请告诉我。

如果 dataA 和 Time 保存为 h5 文件（或我已经发布的数据）

import numpy as np
import …

我正在尝试通过在每一行上执行 1D RFFT，然后在前一个结果的每一列上再次执行 1D RFFT来实现 NumPy's rfft2()，即支持二维数组的RFFT函数。

这种方法能很好地实现2D FFT功能，如前面所讨论的这个帖子上，但它似乎没有工作没有2D RFFT。

这是一个实现自定义 2D FFT 函数的脚本，它遵循这个想法，使用 NumPy 的 FFT 的 1D 版本作为基础，然后将其结果与 NumPy 的实际 2D 版本进行比较：

import cmath
import numpy as np
import math

def my_fft2d(matrix):
    fft_rows = [np.fft.fft(row) for row in matrix]
    return np.transpose([np.fft.fft(row) for row in np.transpose(fft_rows)])


# initialize test data
img = np.array([[0,0,0,0], [0,1,0,0], [0,0,0,0], [0,0,0,0]])
print('img shape=', img.shape)

# perform custom FFT2D and print result
custom_result = my_fft2d(img)
print('\ncustom_result …

快速傅里叶变换（fft;文档）将 \'a\' 转换为其傅里叶光谱等效项：

numpy.fft.fft(a, n=None, axis=-1, norm=None) \n

据我了解，该参数n代表\xe2\x80\x94\xe2\x80\x94输出中有多少个样本，其中如果n小于中的样本数，则输出被裁剪a，或者如果n是则用零填充更大。

有什么axis作用？它到底是什么意思？我还没有找到任何明确的使用示例。

我正在将旧的 Fortran 代码库转换/重写为现代代码库。代码库的其中一段使用 Fourn 子程序（来自 Numerical receipies book）用于 FFT 目的。但是当我试图用 FFTW 库做那件事时，它不会产生相同的结果。我在这里很困惑。您可以在此处找到输入数据的代码： https //github.com/Koushikphy/fft_test/tree/master/notworking

使用的代码fourn：

program test
    implicit none
    integer, parameter :: n=65536
    complex(kind=8) ::inp(n) = 0.0d0
    real(kind=8) :: sn, urt(2*n)
    integer :: i, ii

    sn = 1.0d0/sqrt(real(n,kind=8))

    do i=1,9070
        read(75,'(i4, 2f20.16)') ii, inp(i)
    enddo


    do i=1,n
        urt(2*i-1)= real(inp(i))
        urt(2*i) = aimag(inp(i))
    enddo

    ! forward
    call fourn(urt,[n],1,1)

    do i=1,n
        write(201,'(i4, 2f20.16)')i, urt(2*i-1), urt(2*i)
    enddo

end program test




SUBROUTINE FOURN(DATA,NN,NDIM,ISIGN)
    INTEGER ISIGN,NDIM,NN(NDIM)
! C      REAL DATA(*)
    DOUBLE PRECISION DATA(*) …

我正在测试和执行简单的 FFT，并且我对相移感兴趣。我用正弦曲线生成 256 个样本的简单数组10个周期。

我对这些样本执行 FFT 并接收复杂数据 (2x128)。然后我计算这些数据的大小，FFT 看起来像预期的那样：

然后我想计算 fft 复数输出的相移。我正在使用atan2。组合输出 fft_magnitude（蓝色）+ fft+phase（红色）如下所示： 这几乎是我对“小”问题的期望。我知道这是包裹，但如果我想象将其展开，幅度峰值的相移读数为 36 度，我认为它应该为 0，因为我的输入正弦曲线根本没有移动。

如果我移动这个 -36 度（蓝色是同相，红色是移动的，蓝色打印仅供参考），正弦曲线看起来像这样：

如果我对这个红色数据执行 FFT，则幅度 + 相位输出如下所示：

因此很容易想象，展开相位在幅度峰值处将接近 0。所以有 36 度的偏移。但是，如果我准备每 256 个样本 20 个周期和 0 相移的数据，会发生什么

如果我随后执行 FFT，则这是一个输出（幅度 + 相位）： 我可以告诉你是否会跨越72度的峰值。所以现在有 72 度的偏移。

谁能给我提示为什么会发生这种情况？atan2() 相位输出是否与频率相关且偏移量为 2pi/周期（360 度/周期）？如何解开它并获得正确的结果（我找不到可解开的工作 C 库）。

它在 ARM Cortex-M7 处理器（嵌入式）上运行。

#define phaseShift 0
#define cycles 20

#include <arm_math.h>
#include <arm_const_structs.h>

float32_t phi = phaseShift * PI / 180; //phase shift in radians
float32_t data[256];  //input data for …