python – 傅里叶变换与Numpy FFT

前端之家收集整理的这篇文章主要介绍了python – 傅里叶变换与Numpy FFT前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。
这可能是一个非常天真的问题,但在这里.

我想计算函数f(x)的傅里叶变换.所以我定义了一个numpy数组X并通过向量化函数f.现在,如果我计算这个数组f(X)的FFT,它就不会像f(x)那样在一张纸上进行傅里叶变换.例如,如果我计算高斯的FFT,我应该得到高斯或数组,其实部非常接近地类似于高斯.

这是代码.请让我知道我需要改变什么来获得通常的傅立叶变换.

import matplotlib.pyplot as plt
import numpy as np

N = 128
x = np.linspace(-5,5,N)
y = np.exp(-x**2)

y_fft = np.fft.fftshift(np.fft.fft(y).real)
plt.plot(x,y_fft)

plt.show()

让我重申一下.我想计算任何函数的傅里叶变换(例如高斯). FFT是计算数字数组的傅立叶变换的方法,但这与连续傅立叶变换公式的简单离散化不同.

解决方法

不,FFT不是计算函数的傅里叶变换(FT)的方法. FFT是一种快速算法,用于计算样本数组的DFT,离散傅立叶变换.可以将该样本阵列解释为等间隔点处的函数的采样.

DFT和FT是两个不同的东西,你不能使用DFT来计算FT.关于他们的差异,请参阅此link.

如果你的函数是周期性的,那么它的谱是一个只在点定义的函数,如果你非常仔细地选择你的域和采样率,你可以在函数的等间隔样本上使用DFT来推断FT取得很大的成功,并且域是函数所有谐波的所有周期的倍数.

原文链接:https://www.f2er.com/python/241998.html

猜你在找的Python相关文章