Python中使用numpy对序列进行离散傅里叶变换DFT

最新推荐文章于 2025-06-27 19:34:06 发布

Kenn7

最新推荐文章于 2025-06-27 19:34:06 发布

阅读量8.1k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：机器学习 Python

本文链接：https://blog.youkuaiyun.com/kane7csdn/article/details/84034717

Python 同时被 2 个专栏收录

36 篇文章

订阅专栏

机器学习

22 篇文章

订阅专栏

本文通过使用Python的numpy库实现离散傅里叶变换(DFT)，展示了如何将有效长度为4的单位序列变换为长度16的DFT谱线，以此增加有限长序列的物理分辨率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看了大佬对DFT的介绍后感觉离散傅里叶变换对序列信号的处理还是很有用的，

总结下来就是DFT可以增加有限长序列的长度来提高物理分辨率。

自己用python中的numpy库实现了一下：

其中绘图库的使用请参考：Python绘图

将有效长度为4的单位序列，变换为长度16的DFT谱线。

import numpy as np
import matplotlib.pyplot as plt

a = [1, 1, 1, 1]
print(a)
plt.plot(a)
plt.grid(True)
plt.xlim(0, 15)
plt.show()

dft_a = np.fft.fft(a, 16)
print(dft_a)
plt.plot(dft_a)
plt.grid(True)
plt.xlim(0, 15)
plt.show()

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Kenn7

关注关注

5
点赞
踩
11

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

（数字图像处理MATLAB+Python）第四章图像正交变换-第一节：离散傅里叶变换

快乐江湖的博客

04-07

2768

一维离散傅里叶变换（Discrete Fourier Transform，DFT）：是一种数学技术，用于将代表离散时间信号的N个复数序列从时域转换到频域。DFT被广泛用于许多应用，如音频和图像处理、通信和控制系统。DFT是傅里叶变换的离散版本，傅里叶变换是一种用于分析频域信号的连续数学技术。DFT将信号表示为不同频率的复数正弦波之和，每个正弦波都有相关的幅度和相位。这些正弦波的频率是均匀的，由信号的采样率和长度决定。其定义式如下，该方程通过对时域中所有样本的贡献进行加总，计算出频率分量uuu。

使用Python实现傅里叶变换：代码实例与详解

03-22

2148

该函数的返回值是包含N个复数的数组，其中N为采样点数量，同时也表示了频域中的频率范围。傅里叶变换是数字信号处理中不可或缺的一部分，它可以将时间域信号转化为频域信号，使得信号的性质在不同领域下更容易理解。而对于离散时间域信号，可以使用离散傅里叶变换（Discrete Fourier Transform，DFT）来实现，它可以将N个时域采样点转换成N个频域采样点。以上代码实现了一个简单的正弦波信号的傅里叶变换，它会输出一张图像，显示该信号在频域下的频谱分布。使用Python实现傅里叶变换：代码实例与详解。

1 条评论您还未登录，请先登录后发表或查看评论

使用Python实现DFT和FFT，变换的代码是通过资料手敲的，没有用numpy自带的

03-23

傅里叶变换的代码是根据资料手动敲的，没有用numpy中的fft，该代码仅为了加深对傅里叶变换和快速傅里叶变换的学习。内含部分注释。根据傅里叶变换公式，使用 Python 实现傅里叶变换(DFT)跟快速傅里叶变换（FFT）, 使用的是Pycharm，安装了Pyqt5, matplotlib, numpy。pyqt和matplotlib实现图像的显示。

Python实现DFT

给你一拳

11-11

5304

1.利用公式实现DFT: 参阅书上的公式定义可知，可利用Wn展开矩阵的形式实现； # coding=GBK import numpy as np from numpy import arange, sin, pi, cos import matplotlib.pyplot as plt fs=8192 Ts=1/fs N=64 n = np.arange(N) xn1=cos...

Python个人深度学习库笔记-1.Numpy（3）

热门推荐

wangsj0121109330305的博客

03-17

1万+

最近偶然想到傅里叶变换，刚好又在学习python，就顺手写了一个离散傅里叶变换的代码，水平有限，欢迎批评指正。为了不浪费大家的宝贵时间，简单描述一下离散傅里叶变换的基本思想，因为代码量很小，后面直接看代码可能会更容易理解。先看公式，设长度为M的x(n)序列的N点傅里叶变换（N>=M）为：逆变换为：其中。 离散傅里叶变换的本质是把信号投影到一组正交完备基(每一个列向量代表...

DFT的matlab源代码-DFT-Discrete-Fourier-Transform-:使用Python3对离散信号进行傅立叶变换计算

05-26

DFT的matlab源代码DFT离散傅里叶变换 使用Python3对离散信号进行傅立叶变换计算我们将生成具有特定频率的正弦信号，并将其点作为离散点发送到算法。最后，使用Python Pyplot库，我们将绘制傅立叶变换图。当您运行...

DFT 离散傅里叶变换

08-16

由于OFDM是一种多载波调制技术，每个载波均由一个与之对应的本地震荡器产生。当系统采用的载波数目越多，系统的结构就会变得越复杂，而采用 IFFT／FFT可以很方便地实现调制解调的过程。随着数字信号处理技术以及大规模集成电路的快速发展，可以在硬件上快速地实现IFFT／FFT[10]，[11]，从而，大大地减小了oFDM系统的复杂程度，为OFDM技术的发展与广泛应用铺平了道路。为什么0FDM可以采用IFFT／FFT来实现呢?它的原理与理论推导如下

信号生成及DFT的python实现方式

12-20

DFT DFT(Discrete Fourier Transform)，离散傅里叶变化，可以将离散信号变换到频域，它的公式非常简单: 离散频率下标为k时的频率大小离散时域信号序列信号序列的长度，也就是采样的个数如果你刚接触DFT，并且之前没有信号处理的相关经验，那么第一次看到这个公式，你可能有一些疑惑，为什么这个公式就能进行时域与频域之间的转换呢？这里，我不打算去解释它，因为我水平有限，说的不清楚。相反，在这里我想介绍，作为一个程序员，如何如实现DFT 从矩阵的角度看DFT DFT的公式，虽然简单，但是理解起来比较麻烦，我发现如果用矩阵相乘的角度来理解上面的公式，就会非常简单，直

numpy -- >傅里叶变换

python收藏家的博客

06-17

889

import numpy as np from PIL import Image from numpy.fft import fft, ifftdef filter_img(src_img): #打开图像文件并获取数据 img = Image.open(src_img) #读取图片到一个数组 src_array = np.frombuffer(img.tobytes...

numpy(离散型随机变量)

qq_52683824的博客

07-02

496

numpy(离散型随机变量)

python 实现FFT快速傅立叶变换算法

luthane的博客

08-05

4212

FFT（快速傅里叶变换）是计算离散傅里叶变换（DFT）及其逆变换的一种高效算法。DFT是一种将信号从时域转换到频域的数学工具，而FFT通过减少计算量来加速这一过程。FFT的基本思想FFT利用了DFT中的对称性和周期性，通过分而治之的策略将DFT分解为更小的DFT，从而显著减少计算复杂度。对于长度为N的序列，直接计算DFT的复杂度是O(N^2)，而FFT的复杂度可以降低到O(N log N)。FFT的算法步骤（以Cooley-Tukey算法为例）

《数字信号处理》——（一）.DTFT、DFT(python实现)

weixin_42193451的博客

01-08

3603

python绘制频谱图DTFT，DFT python绘制频谱图：序列的傅里叶变换（DTFT），离散傅里叶变换（DFT）《数字信号处理》、python学习记录涉及知识（之前用matlab来画图，深感matlab打开、运行较慢，就学习了一下python，初学者，错误之处欢迎指正） DTFT原理； DFT原理； python matplotlib库 DTFT、DFT原理一.DTFT X(ejω)=∑n=−∞∞x(n)e−jωnX\left(e^{j \omega}\right)=\sum_{n=-\

Numpy系列（八）：函数库之5傅里叶变换函数

hustlei的专栏

12-22

1万+

文章目录一、 Numpy快速傅里叶变换二、思维导图三、函数简介1 基本概念1.1 傅里叶级数1.2 复数形式傅里叶级数1.3 傅里叶变换1.4 离散傅里叶变换2. 标准FFT2.1 一维离散FFT2.2 一维离散FFT反变换2.3 二维离散FFT2.4 二维离散FFT逆转换2.5 多维离散FFT3. 实数FFT4. 工具函数4.1 频谱频率坐标计算函数fftfreq4.2 实数频谱频率坐标计算函数rfftfreq4.3 移动频率顺序一、 Numpy快速傅里叶变换二、思维导图三、函数简介 1

离散傅里叶变换DFT

02-18

### 离散傅里叶变换DFT原理 离散傅里叶变换(DFT)是一种用于分析有限长度序列的方法，它能够将时域中的信号转换成频域表示形式。对于一个长度为 \( N \) 的离散时间信号 \( x[n] \)，其对应的 DFT 定义如下： \[ X[k]=\sum_{n=0}^{N-1}{x[n]\cdot e^{-j2\pi kn/N}} , k = 0, ..., N-1 \] 这里 \( j=\sqrt{-1} \), 表达式中指数项代表旋转因子。通过上述公式可以计算得到输入序列的各个频率成分及其幅值大小[^1]。当执行逆离散傅里叶变换(IDFT)时，则是从频域恢复原始的时间序列: \[ x[n]=(1/N)\sum_{k=0}^{N-1}{X[k]\cdot e^{j2\pi nk/N}}, n = 0,...,N−1 \] 这表明傅里叶变换本质上实现了数据从时域到频域之间的相互转化过程[^2]。另外值得注意的是，在实际操作过程中为了更直观地观察频谱分布情况，通常会做一次频谱平移使得中心位于零频率处即[-π, π]区间内。 ### 应用实例在工程实践中,DFT有着广泛的应用场景之一便是滤波器设计以及音频处理等领域。比如去除噪声干扰、提取特定声音特征等任务都可以借助该工具完成。具体来说，通过对含有杂音的声音文件实施快速傅立叶变化(FFT算法实现高效版DFT)，分离出有用的信息部分后再经由相应的反向运算重建纯净版本。此外，图像压缩技术JPEG标准也采用了类似的思路来减少冗余信息量从而达到节省存储空间的目的。在此基础上发展起来的小波变换更是进一步拓展了此类方法论的应用范围[^3]。 ```python import numpy as np from matplotlib import pyplot as plt # 创建测试信号 fs = 1000 # Sampling frequency t = np.linspace(0, 1, fs, endpoint=False) frequencies = [50, 120] amplitudes = [0.7, 1] signal = sum([amp * np.sin(2*np.pi*freq*t) for freq, amp in zip(frequencies, amplitudes)]) # 计算并绘制DFT结果 fft_result = np.fft.fft(signal)/len(t) frequency_domain = np.fft.fftfreq(len(t), d=1/fs) plt.figure(figsize=(8,6)) plt.plot(frequency_domain[:int(fs/2)], abs(fft_result)[:int(fs/2)]) plt.title('Magnitude Spectrum') plt.xlabel('Frequency(Hz)') plt.ylabel('|Amplitude|') plt.grid(True) plt.show() ``` 此段代码展示了如何利用 Python 中 `numpy` 和 `matplotlib` 库来进行简单的正弦波合成实验，并对其应用 FFT 来获取频谱图展示效果。