使用python（matplotlib和numpy）实现快速傅里叶变换（FFT），并画出频谱图和相位图

使用python（matplotlib和numpy）实现快速傅里叶变换（FFT），并画出频谱图和相位图

一.模块包的安装

win+R打开命令窗口，在命令窗口输入cm的，在终端D:，再输入cd D：\python\Python3.7\Scripts(这里是每个人的自己的安装目录)转到该安装目录下。

最后直接在命令窗口输入 pip install+需要安装的模块，例如本实验要安装的 pip install matplotlib

可以在idle输入import matplotlib查看是否安装成功

二.快速傅里叶变换（FFT）

​ FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。

​ 假设采样频率为Fs，信号频率fs，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。

​ 假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是An=sqrt（aa+bb）（某点处的幅度值An = A*(N/2)

下面以一个实际的信号来做说明:

假设我们有一个信号，频率为600Hz、相位为0度、幅度为5V的交流信号，用数学表达式就是如下：
$$y=5\ast \sin (2\ast pi\ast 600\ast x)$$
采样频率为Fs=1400HZ，因为设置的信号频率分量为600赫兹，根据采样定理知采样频率要大于信号频率2倍，所以这里设置采样频率为1400赫兹（即一秒内有1400个采样点）

三.代码实现

代码使用的是python自带的idle编辑编译的。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.pylab import mpl

mpl.rcParams['font.sans-serif'] = ['SimHei']   #显示中文
mpl.rcParams['axes.unicode_minus']=False       #显示负号


Fs=1400;  #采样频率
Ts=1/Fs;  #采样区间
x=np.arange(0,1,Ts)  #时间向量，1400个

y=5*np.sin(2*np.pi*600*x)

N=1400
frq=np.arange(N)            #频率数1400个数
half_x=frq[range(int(N/2))]  #取一半区间

fft_y=np.fft.fft(y)

abs_y=np.abs(fft_y)                # 取复数的绝对值，即复数的模(双边频谱)
angle_y=180*np.angle(fft_y)/np.pi   #取复数的弧度,并换算成角度
gui_y=abs_y/N                       #归一化处理（双边频谱）                              
gui_half_y = gui_y[range(int(N/2))] #由于对称性，只取一半区间（单边频谱）

#画出原始波形的前50个点
plt.subplot(231)
plt.plot(frq[0:50],y[0:50])   
plt.title('原始波形')

#画出双边未求绝对值的振幅谱
plt.subplot(232)
plt.plot(frq,fft_y,'black')
plt.title('双边振幅谱(未求振幅绝对值)',fontsize=8,color='black') 

#画出双边求绝对值的振幅谱
plt.subplot(233)
plt.plot(frq,abs_y,'r')
plt.title('双边振幅谱(未归一化)',fontsize=8,color='red') 

#画出双边相位谱
plt.subplot(234)
plt.plot(frq[0:50],angle_y[0:50],'violet')
plt.title('双边相位谱(未归一化)',fontsize=8,color='violet')

 #画出双边振幅谱(归一化)
plt.subplot(235)
plt.plot(frq,gui_y,'g')
plt.title('双边振幅谱(归一化)',fontsize=8,color='green')

#画出单边振幅谱(归一化)
plt.subplot(236)
plt.plot(half_x,gui_half_y,'blue')
plt.title('单边振幅谱(归一化)',fontsize=8,color='blue')
plt.show()

结果示意图：

1.原函数的幅度A=5，所以幅值等于5，与一图相同.
2.快速傅里叶变换后，因为我们频率是600HZ，大致在601这个点出现峰值，其他点趋近于零，An=A*(N/2)=3500,与二三图大致一样。
3.做归一化处理后，An=2.5，与五六图大致一样.