小编Sle*_*Eye的帖子

我正在关注scipy.signal.spectrogram 上的教程示例。是否可以限制我们想要计算频谱图的频率，假设在 1000-2000Hz 范围内。根据 FFT，我们将获得一半的采样频率。如果不是，那么我可以对输出进行切片以获得 3D 矩阵，t,f,Sxx其中我将频率限制为 1000-2000 Hz？在我的情况下，我的信号仅包含特定范围的频率，并且保留所有频率对我的分析来说代价高昂。

我目前正在尝试使用Kiss FFT将FFT实施到AVR32微控制器中，以进行信号处理。而且我的输出有一个奇怪的问题。基本上，我会将ADC样本（使用函数发生器进行测试）传递到fft（真实输入，256 n大小）中，并且检索到的输出对我来说很有意义。但是，如果我将汉明窗应用于ADC样本，然后将其传递给FFT，则峰值幅度的频率仓是错误的（并且与之前没有开窗的结果不同）。ADC样本具有DC偏移，因此我消除了偏移，但仍不适用于窗口样本。

以下是通过rs485的前几个输出值。第一列是没有窗口的fft输出，而第二列是有窗口的输出。从第1列开始，峰值位于第6行（6 x fs（10.5kHz）/ 0.5N）为我提供了正确的输入频率结果，其中第2列在第2行具有峰值幅度（直流仓除外），这对我来说没有意义。任何建议都会有所帮助。提前致谢。

    488260 //直流仓
    5 97
    5 41
    5 29  
    4 26
    10 35
    133 76
    33 28
    21 6
    17 3

kiss_fft_scalar zero;
memset(&zero,0,sizeof(zero));
kiss_fft_cpx fft_input[n];
kiss_fft_cpx fft_output[n];

for(ctr=0; ctr<n; ctr++)
{
    fft_input[ctr].r = zero;
    fft_input[ctr].i = zero;
    fft_output[ctr].r =zero;
    fft_output[ctr].i = zero;
}

// IIR filter calculation

for (ctr=0; ctr<n; ctr++)
{       
    // filter calculation
    y[ctr] = num_coef[0]*x[ctr];

    y[ctr] += (num_coef[1]*x[ctr-1]) - (den_coef[1]*y[ctr-1]);
    y[ctr] += (num_coef[2]*x[ctr-2]) - (den_coef[2]*y[ctr-2]);
    //y1[ctr] += y[ctr] - 500; …

我用Matlab.

我有一个正弦信号:

X(放大器:220 /频率:50)

我添加了3个谐波:

x1 =>(h2)amp:30/Freq:100 /相位:30°

x2 =>(h4)amp:10/Freq:200 /相位:50°

x3 =>(h6)amp:05/Freq:300 /相位:90°

我将所有信号加在一起(如X包含3个谐波),结果信号称为:Xt

这是代码:

%% Original signal
X = 220.*sin(2 .* pi .* 50 .* t);

%% Harmonics
x1 = 30.*sin(2 .* pi .* 100 .* t + 30);
x2 = 10.*sin(2 .* pi .* 200 .* t + 50);
x3 = 05.*sin(2 .* pi .* 300 .* t + 90);

%% adding the harmonics
Xt = X + x1 + x2 + x3;

我想要做的是:找到3个谐波信号(它们的幅度,频率和相位),从求和信号Xt开始,知道基波信号 …

我从传感器收到正弦数据，其形式为(A + B(sin(n/N+a)))，其中 N 是样本总数，加上一些小噪声。我知道在N个样本（1000个样本）中，正弦波将完成一圈。信号如下所示：

我想使用尽可能少的数据来提取可变幅度“B”和相位“a”。换句话说，我想使用DSP尽快预测传感器的信号。我已经尝试过“相关性”，但没有用。

采用TMS320C000搭配FPU、TMU单元。

我正在尝试优化我给出的一些代码，其中 FFT 取自时间序列上的滑动窗口（作为列表给出），并且每个结果都累积到一个列表中。原代码如下：

def calc_old(raw_data):
    FFT_old = list()

    for i in range(0, len(raw_data), bf.WINDOW_STRIDE_LEN):
        if (i + bf.WINDOW_LEN) >= len(raw_data):
            # Skip the windows that would extend beyond the end of the data
            continue

        data_tmp = raw_data[i:i+bf.WINDOW_LEN]
        data_tmp -= np.mean(data_tmp)
        data_tmp = np.multiply(data_tmp, np.hanning(len(data_tmp)))
        fft_data_tmp = np.fft.fft(data_tmp, n=ZERO_PAD_LEN)
        fft_data_tmp = abs(fft_data_tmp[:int(len(fft_data_tmp)/2)])**2
        FFT_old.append(fft_data_tmp)

和新代码：

def calc_new(raw_data):
    data = np.array(raw_data)  # Required as the data is being handed in as a list
    f, t, FFT_new = spectrogram(data,
                                fs=60.0,
                                window="hann",
                                nperseg=bf.WINDOW_LEN,
                                noverlap=bf.WINDOW_OVERLAP,
                                nfft=bf.ZERO_PAD_LEN, …

我以递归模式实现了两个函数 FFT 和 InverseFFT。

这些是功能：

def rfft(a):
    n = a.size
    if n == 1:
        return a
    i = 1j
    w_n = e ** (-2 * i * pi / float(n))
    w = 1
    a_0 = np.zeros(int(math.ceil(n / 2.0)), dtype=np.complex_)
    a_1 = np.zeros(n / 2, dtype=np.complex_)
    for index in range(0, n):
        if index % 2 == 0:
            a_0[index / 2] = a[index]
        else:
            a_1[index / 2] = a[index]
    y_0 = rfft(a_0)
    y_1 = rfft(a_1)
    y = np.zeros(n, dtype=np.complex_)
    for k in …

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？

我在 Python 中有以下脚本。我正在计算数组的傅立叶变换。当我想绘制结果（傅立叶变换）时，我使用的是该计算的绝对值。但是，我不知道复数的绝对值是如何产生的。有谁知道它是如何计算的？我需要这个在 Java 中重现。

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

inp = [1,2,3,4]

res = fft.fft(inp)

print(res[1]) # returns (-2+2j) complex number

print(np.abs(res[1])) # returns 2.8284271247461903

这次再次遇到路径查找问题

我已经在许多站点上阅读了Dijkstra的应用程序。对于Graph进行了大部分解释，并找出了从源节点到所有节点的最短路径。

我无法弄清楚的是如何使用Dijkstra在网格上进行路径查找，如Wikipedia图片中所述。

因为在网格上，我们只有一个目标，所以我们必须找出到源的最短距离。我无法将其与图表上的Dijkstra关联。没有标记为INFINITY或将距离与其他路径/节点进行比较的图块。

简而言之，问题是我们如何继续使用Dijkstra来使用定义了该算法的实际图形算法在网格中查找路径。我们是否像BFS一样进行处理，并称其为Dijkstra的网格，还是有区别？因为我无法找出任何：/

谢谢 ：）

最近，我一直在尝试在STM32F4-Discovery评估板上进行FFT计算，然后将其发送到PC。我已经研究了我的问题-我认为制造商提供的FFT函数有问题。

我正在使用CMSIS-DSP库。目前，我一直在用代码生成样本（如果可以正常工作，我将通过麦克风进行采样）。

我正在使用，arm_rfft_fast_f32因为将来我的数据将是浮动的，但是我在输出数组中得到的结果是疯狂的（我认为）-我的频率低于0。

number_of_samples = 512; (l_probek in code)
dt = 1/freq/number_of_samples

这是我的代码

float32_t buffer_input[l_probek];
uint16_t i;
uint8_t mode;
float32_t dt;
float32_t freq;
bool DoFlag = false;
bool UBFlag = false;
uint32_t rozmiar = 4*l_probek;

union
{
    float32_t f[l_probek];
    uint8_t b[4*l_probek];
}data_out;


union
{
    float32_t f[l_probek];
    uint8_t b[4*l_probek];
}data_mag;

union
{
    float32_t f;
    uint8_t b[4];
}czest_rozdz;


/* Pointers ------------------------------------------------------------------*/
arm_rfft_fast_instance_f32 S;
arm_cfft_radix4_instance_f32 S_CFFT;
uint16_t output;
/* ---------------------------------------------------------------------------*/
int main(void)
{
    freq = 5000;
    dt = 0.000000390625;


    _GPIO();
    _LED(); …

我正在尝试分析每个1/3倍频程频带频率的幅度，因此我使用了许多带通Butterworth滤波器。但是，它们只能在三阶时以50 Hz的频率工作。我想使用6阶，但是由于某些原因，在1 kHz以下没有得到任何结果。

[fs, x_raw] = wavfile.read('ruido_rosa.wav')
x_max=np.amax(np.abs(x_raw))
x=x_raw/x_max
L=len(x)

# Creates the vector with all frequencies

f_center=np.array([50.12, 63.10, 79.43, 100, 125.89, 158.49, 199.53, 251.19, 316.23, 398.11, 501.19, 630.96, 794.33, 1000, 1258.9, 1584.9, 1995.3, 2511.9, 3162.3, 3981.1, 5011.9, 6309.6, 7943.3, 10000, 12589.3, 15848.9])
f_low=np.array([44.7, 56.2, 70.8, 89.1, 112, 141, 178, 224, 282, 355, 447, 562, 708, 891, 1120, 1410, 1780, 2240, 2820, 3550, 4470, 5620, 7080, 8910, 11200, 14100])
f_high=np.array([56.2, 70.8, 89.1, 112, 141, 178, 224, 282, 355, 447, 562, …

我正在为学校做练习,我遇到了一些问题:我不知道如何标记"从 - 到",就像ASCII(65-90)中的所有大写字母一样.我不能投入-,因为它意味着减去.到目前为止,这是我的程序:

#include <iostream.h>
int main()
{
    char letter;
    cout<<"Put in letter: ";
    cin>>letter;
    if (letter == 65)
        cout<<"Letter is uppercase";

    return 0;   
}

如何逐字符扫描字符串并在单独的行中打印每个字符，我正在考虑将字符串存储在数组中，并使用for循环进行打印，但是我不知道如何...。 !!!

这是我的代码：

#include "stdafx.h"
#include<iostream>
#include<string>

using namespace std;

int _tmain(int argc, _TCHAR* argv[])
{
  string str;
  char option;

  cout << "Do you want to enter a string? \n";
  cout << " Enter 'y' to enter string or 'n' to exit \n\n";
  cin >> option ;

  while ( option != 'n' & option != 'y')
  {
    cout << "Invalid option chosen, please enter a valid y or n \n";
    cin >> option;
  }

  if (option == 'n')
    return 1; …