使用 scipy.fft 进行Fourier Transform：Python 信号处理

Fourier transform 是一个强大的概念，用于各种领域，从纯数学到音频工程甚至金融。

scipy.fft模块

傅立叶变换是许多应用中的重要工具，尤其是在科学计算和数据科学中。因此，SciPy 长期以来一直提供它的实现及其相关转换。最初，SciPy 提供了该scipy.fftpack模块，但后来他们更新了他们的实现并将其移到了scipy.fft模块中。

SciPy 充满了功能。有关该库的更一般介绍，请查看Scientific Python：使用 SciPy 进行优化。

安装 SciPy 和 Matplotlib

在开始之前，您需要安装 SciPy 和Matplotlib。您可以通过以下两种方式之一执行此操作：

1. 使用 Anaconda 安装： 下载并安装Anaconda Individual Edition。它带有 SciPy 和 Matplotlib，因此一旦您按照安装程序中的步骤操作，您就大功告成了！
2. 安装方式pip： 如果您已经pip安装，那么您可以使用以下命令安装库：

$ python -m pip install -U scipy matplotlib

您可以通过在终端中键入python并运行以下代码来验证安装是否有效：

>>>
>>> import scipy, matplotlib
>>> print(scipy.__file__)
/usr/local/lib/python3.6/dist-packages/scipy/__init__.py
>>> print(matplotlib.__file__)
/usr/local/lib/python3.6/dist-packages/matplotlib/__init__.py

此代码导入 SciPy 和 Matplotlib 并打印模块的位置。您的计算机可能会显示不同的路径，但只要它打印路径，安装就成功了。

SciPy 现已安装！现在是时候看看scipy.fft和之间的区别了scipy.fftpack。

scipy.fft 对比 scipy.fftpack

在查看 SciPy 文档时，您可能会遇到两个看起来非常相似的模块：

1. scipy.fft
2. scipy.fftpack

该scipy.fft模块较新，应该优先于scipy.fftpack. 您可以在SciPy 1.4.0的发行说明中阅读有关更改的更多信息，但这里有一个快速摘要：

• scipy.fft 有一个改进的 API。
• scipy.fft允许使用多个 worker，这可以在某些情况下提供速度提升。
• scipy.fftpack被认为是遗留的，SciPy 建议scipy.fft改用。

除非您有充分的理由使用scipy.fftpack，否则您应该坚持使用scipy.fft.

scipy.fft 对比 numpy.fft

SciPy 的快速傅立叶变换 (FFT)实现包含更多功能，并且比 NumPy 的实现更可能修复错误。如果有选择，您应该使用 SciPy 实现。

NumPy 维护了 FFT 实现以实现向后兼容性，尽管作者认为像傅立叶变换这样的功能最好放在 SciPy 中。有关更多详细信息，请参阅SciPy 常见问题解答。

Fourier Transform

Fourier 分析是研究如何将 数学函数 分解为一系列更简单的 三角函数的领域 。傅立叶变换是该领域的一种工具，用于将函数分解为其分量频率。

好吧，这个定义非常密集。就本教程而言，傅立叶变换是一种工具，可让您获取信号并查看其中每个频率的功率。看看这句话中的重要术语：

• 一个 信号 是随时间变化的信息。例如，音频、视频和电压轨迹都是信号的例子。
• 甲 频率 是某物重复的速度。例如，时钟以一赫兹 (Hz) 的频率滴答，或每秒重复一次。
• 在这种情况下， 功率 仅表示每个频率的强度。

下图是一些正弦波的频率和功率的直观演示：

所述的峰值的 高频 正弦波比那些更靠近在一起 低频 正弦波，因为它们重复得更频繁。所述 低功率 正弦波具有比其它两个正弦波较小的峰。

为了更具体地说明这一点，假设您对某人同时在钢琴上弹奏三个音符的录音使用了傅立叶变换。结果 频谱 将显示三个峰值，每个音符一个。如果该人弹奏一个音符比其他音符更轻柔，那么该音符的频率强度将低于其他两个。

这是钢琴示例在视觉上的样子：

钢琴上最高的音符比其他两个音符更安静，因此该音符的频