时间戳

首页 > 解决方案 > 为什么单个正弦信号的傅里叶变换有多个峰值？

python - 为什么单个正弦信号的傅里叶变换有多个峰值？

问题描述

我一直在阅读有关傅立叶变换及其重要性的信息。为了通过自己的可视化来获得感觉，我尝试了一些事情。

这是我得到的。

一个信号及其傅里叶变换：

在此处输入图像描述

两个信号及其傅里叶变换：

在此处输入图像描述

三个信号及其傅里叶变换：

在此处输入图像描述

注意：橙色线代表傅里叶变换，蓝色线代表正在处理的信号。

我知道傅里叶变换有助于分解信号以给出构成主要信号的成分。换句话说，我们得到了组成主信号的不同频率的数量。但我不明白上述输出。如果我们考虑第一个信号，其中有单个信号并计算其傅里叶变换。为什么有4个峰？每个峰代表什么？我假设输出是单个信号的单个峰值，2 个信号的 2 个峰值和 3 个信号的 3 个峰值。

这是我用来生成上述图像的代码。

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

    sample_points = np.arange(0,100,1)
    signal_1 = np.sin(sample_points) # 1x frequency
    signal_2 = np.sin(20*sample_points) # 20x frequency
    signal_3 = np.sin(100*sample_points) # 100x frequency

    combined_signal = signal_1 + signal_2

    fourier_transform = fft.fft(combined_signal)

    plt.plot(sample_points, combined_signal)
    plt.plot(sample_points, fourier_transform)
    plt.xlabel("Sample points")
    plt.gca().legend(('Combined Signal', 'Fourier Transform'))
    #plt.show()
    plt.savefig("combined_signal_ft.png")

    plt.clf()

    plt.plot(sample_points, signal_1)
    plt.plot(sample_points, fft.fft(signal_1))
    #plt.show()
    plt.savefig("mono_ft.png")

    plt.clf()
    plt.plot(sample_points, signal_1 + signal_2 + signal_3)
    plt.plot(sample_points, fft.fft(signal_1 + signal_2 + signal_3))
    plt.savefig("tri_ft.png")

标签： pythonnumpyscipysignal-processingfft

解决方案

scipy.fftpack.fft返回正频率和负频率，您只需要代码中存储的正频率fourier_transform[1:len(signal)/2]。在此处查看 scipy.fftpack.fft 文档

由于正弦和余弦函数的周期性，离散傅里叶变换的数学必须考虑负频率，更多信息请点击此处。

推荐阅读