scipy.signal.

ZoomFFT#

class scipy.signal.ZoomFFT(n, fn, m=None, *, fs=2, endpoint=False)[源代码][源代码]#

创建一个可调用的缩放FFT变换函数。

这是对单位圆周围等间隔频率集合的 chirp z-变换 (CZT) 的专门化，用于比计算整个 FFT 并截断更有效地计算 FFT 的一部分。

参数:

n整数: 信号的大小。
fnarray_like: 一个长度为2的序列 [f1, f2] 给出了频率范围，或者是一个标量，此时假设范围为 [0, fn]。
mint, 可选: 要评估的点数。默认值为 n。
fsfloat, 可选: 采样频率。例如，如果 fs=10 表示 10 kHz，那么 f1 和 f2 也应以 kHz 为单位给出。默认采样频率为 2，因此 f1 和 f2 应在范围 [0, 1] 内，以确保变换低于奈奎斯特频率。
端点bool, 可选: 如果为 True，f2 是最后一个样本。否则，它不包括在内。默认是 False。

方法

`__call__`(x, *[, axis])	计算信号的啁啾z变换。
`points`()	返回计算啁啾z变换的点。

返回:

fZoomFFT: 可调用对象 f(x, axis=-1) 用于在 x 上计算缩放傅里叶变换。

参见

zoom_fft: 用于计算缩放快速傅里叶变换的便捷函数。

注释

默认设置使得 f(x, 2) 等同于 fft.fft(x)，并且，如果 m > len(x)，那么 f(x, 2, m) 等同于 fft.fft(x, m)。

采样频率是 1/dt，即信号 x 中样本之间的时间步长。单位圆对应于从 0 到采样频率的频率。默认采样频率为 2 意味着 f1, f2 的值在奈奎斯特频率范围内为 [0, 1)。对于以弧度表示的 f1, f2 值，应使用 2*pi 的采样频率。

记住，缩放FFT只能插值现有FFT的点。它无法帮助解析两个相邻的独立频率。频率分辨率只能通过增加采集时间来提高。

这些函数使用 Bluestein 算法实现（与 scipy.fft 相同）。 [2]

参考文献

[1]

Steve Alan Shilling, “chirp z-变换及其应用的研究”, 第29页 (1970) https://krex.k-state.edu/dspace/bitstream/handle/2097/7844/LD2668R41972S43.pdf

[2]

Leo I. Bluestein, “一种线性滤波方法用于计算离散傅里叶变换,” Northeast Electronics Research and Engineering Meeting Record 10, 218-219 (1968).

示例

要绘制变换结果，请使用类似以下的代码：

>>> import numpy as np
>>> from scipy.signal import ZoomFFT
>>> t = np.linspace(0, 1, 1021)
>>> x = np.cos(2*np.pi*15*t) + np.sin(2*np.pi*17*t)
>>> f1, f2 = 5, 27
>>> transform = ZoomFFT(len(x), [f1, f2], len(x), fs=1021)
>>> X = transform(x)
>>> f = np.linspace(f1, f2, len(x))
>>> import matplotlib.pyplot as plt
>>> plt.plot(f, 20*np.log10(np.abs(X)))
>>> plt.show()

../../_images/scipy-signal-ZoomFFT-1.png