数字信号处理——观察信号的频谱

数字信号处理：观察FFT转换后的频谱特性

最新推荐文章于 2024-10-02 16:51:13 发布

原创

最新推荐文章于 2024-10-02 16:51:13 发布 · 1.7k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#python #信号处理

本文介绍了如何通过Python进行数字信号处理，特别是使用FFT将时域信号转换为频域信号，并绘制频谱图。讨论了当信号在FFT取样点中形成整数个周期时，FFT结果能精确反映频谱；反之，若非整数个周期，会出现频谱泄漏现象。同时，解释了频谱泄漏的原因，并预告了窗函数的应用。

今天学习将时域信号通过FFT转换为频域信号之后，将其各个频率分量的幅值绘制成图，可以很直观地观察信号的频谱。重点理解FFT变换的过程。
程序来自参考书《Python科学计算》

import numpy as np
import pylab as pl
from pylab import mpl

#首先定义两个常数：sampling_rate, fft_size，
sampling_rate = 8000        #取样频率
fft_size = 512              #FFT的长度

#调用np.arange产生1秒钟的取样时间，t中的每个数值直接表示取样点的#时间，因此其间隔为取样周期1/sampline_rate
t = np.arange(0, 1.0, 1.0/sampling_rate)

#两个正弦波的叠加,注意此两波频率正好为计算波形周期的10倍和15倍
x = np.sin(2*np.pi*156.25*t)  + 2*np.sin(2*np.pi*234.375*t)