scipy.signal.

zoom_fft

scipy.signal.zoom_fft(x, fn, m=None, *, fs=2, endpoint=False, axis=-1)

计算 x 的 DFT，仅针对 fn 范围内的频率。

参数:

x数组

要转换的信号。

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

要评估的点的数量。默认值是 x 的长度。

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。

轴int, 可选

要计算FFT的轴。如果没有给出，则使用最后一个轴。

返回:

出ndarray

变换后的信号。傅里叶变换将在点 f1, f1+df, f1+2df, …, f2 处计算，其中 df=(f2-f1)/m。

参见

ZoomFFT

创建可调用部分FFT函数的类。

注释

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

要绘制结果变换的幅度图，请使用:

plot(linspace(f1, f2, m, endpoint=False), abs(zoom_fft(x, [f1, f2], m)))

如果需要重复变换，使用 ZoomFFT 来构建一个专门的变换函数，该函数可以重复使用而无需重新计算常数。

示例

Try it in your browser!

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 zoom_fft
>>> 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
>>> X = zoom_fft(x, [f1, f2], len(x), fs=1021)
>>> f = np.linspace(f1, f2, len(x))
>>> import matplotlib.pyplot as plt
>>> plt.plot(f, 20*np.log10(np.abs(X)))
>>> plt.show()

Go BackOpen In Tab