我刚开始使用numpy包并从简单的任务开始计算输入信号的FFT。以下是代码:
import numpy as np
import matplotlib.pyplot as plt
#Some constants
L = 128
p = 2
X = 20
x = np.arange(-X/2,X/2,X/L)
fft_x = np.linspace(0,128,128, True)
fwhl = 1
fwhl_y = (2/fwhl) \
*(np.log([2])/np.pi)**0.5*np.e**(-(4*np.log([2]) \
*x**2)/fwhl**2)
fft_fwhl = np.fft.fft(fwhl_y, norm='ortho')
ampl_fft_fwhl = np.abs(fft_fwhl)
plt.bar(fft_x, ampl_fft_fwhl, width=.7, color='b')
plt.show()
因为我使用的是带有一些常数除以 pi 的指数函数,所以我期望在傅里叶空间中得到指数函数,其中 FFT 的常数部分始终等于 1(零频率)。但是,我使用 numpy 得到的该组分值较大(约为 1.13)。这里我有一个幅度谱,它被 1 /(number_of_counts)**0.5 归一化(这是我在 numpy 文档中读到的)。我不明白有什么问题... 能有人帮帮我吗?
谢谢!
[编辑] 看起来问题已经解决,你只需要将 FFT 乘以步长(在我的例子中是 X/L),就可以得到 Fourier 积分和 FFT 相同的结果。至于 numpy.fft.fft(...,norm ='ortho')的标准化选项,它仅用于保存变换的比例,否则您将需要将反向 FFT 的结果除以样本数量。感谢每个人的帮助!
fft_fwhl[0]#(0.56568542494923801+0j)
,它与np.mean(fwhl_y)* np.sqrt(len(fwhl_y))#0.56568542494923812
相匹配(这是因为您正在使用norm =“ortho”
)。 - Ahmed Fasih