- 博客(6)
- 收藏
- 关注
RSS订阅原创 Pycharm的安装及github代码同步
python环境的安装及使用Python环境安装git环境(使用Github的基础)向pycharm中添加github账户配置Pycharm中的Git环境使用github同步新建项目使用github同步文件Python环境安装 在这里我们首先介绍python环境的安装,本文作者推荐安装pycharm专业版进行编程工作 链接：https://pan.baidu.com/s/1CnCuPUDkyG0wcXtb9j6_wA提取
2021-05-11 18:10:44
280
原创 Python 实现简单的快速傅里叶变换
文章目录前言一、使用到的python库二、全部示例代码及解释1.代码2.部分函数的解释前言 相比于MATLAB自带的FFT函数以及详尽的官方文档来说，python在傅里叶变换这个方面相比就不是那么简单了，处处需要使用Help查看相关函数的定义。但是本质来说，都是傅里叶变换，只是编程语言不同而已。一、使用到的python库import numpy as npfrom scipy.fftpack import fft, ifft,fftshiftimport matplotlib.pyplot.
2020-11-30 15:32:05
1710
1
原创 频谱泄露与窗函数
频谱泄露与窗函数 今天，我想谈的是数字信号处理中的两个重要的问题，什么是频谱泄露，以及什么是窗函数，为什么使用窗函数。文章目录频谱泄露与窗函数什么是频谱泄露一、频谱泄露是什么？二、窗函数的目的什么是频谱泄露 我想大部分人和我一样，在学习数字信号处理或者从事相关工作时，会遇到相关的问题，那么今天，就给大家分析频谱泄露这个问题。 大家在其他地方也经常听见频谱泄露这个概念，那么频谱泄露究竟是什么呢？ 频谱泄露，来自于对于原信号序列的截断，大家可能会问：为什么有时候频谱没有泄露，有时候频谱又泄露了？
2020-10-18 16:27:12
2876
原创 FFT幅度谱为什么不对，需要较正
为什么Matlab快速傅里叶算法分析出来的幅度谱需要校正 一切的根源，让我们回到DFT定义上面来，观察FFT算法对直流分量和非直流分量频率的影响。下面请大家注意观察这个式子，假设信号具有直流分量A，假设采样点为N个，那么得到的采样点显然是这样的序列：[A,A,...,A][A,A,...,A][A,A,...,A]，现在我们回到DFT的定义: DFT{x(n)}=∑n=0n=N−1x(n)ejwnDFT\{x(n)\}=\sum_{n=0}^{n=N-1}x(n)e^{jwn}DFT{x(n)}=∑n=
2020-10-11 11:20:37
3197
原创 从数学角度理解傅里叶变换之第二节傅里叶变换
从傅里叶级数到傅里叶变换从连续时间傅里叶级数到连续时间傅里叶变换从离散时间傅里叶级数到离散时间傅里叶变换从离散时间傅里叶变换到离散傅里叶变换 本次内容，承接自我的上个博客，上次通过正交基概念的引入，我们讲解了一个非常重要的信号分解的内容，有需要了解的请看第一节 有同学也许有疑问，为什么要对信号做这样的分解，分解之后的意义又在哪呢？ 本篇文章首先会回答这么一个问题。解决的问题主要是这样几个：一、分解之后得到的简单信号，也就是我在第一节中提到的正交基，对于这些信号，它们具有的一个良好的性质是，经过线
2020-10-09 17:42:33
479
1
原创 从数学角度理解傅里叶变换之第一节傅里叶变换
从数学角度理解傅里叶变换(第一节傅里叶级数)傅里叶变换的完整体系 说实话，这个世界上大多数人都是普通人，没有人喜欢一上来就是一堆枯燥的数学公式，要在不断使用中认识，才是学习的最好方法。只希望我今天在这里，写的这堆东西，对于那些对于信号处理感兴趣的朋友有点帮助，也算对我在信号处理这条路上摸爬滚打近一年的一个总结。傅里叶变换的基础在于对周期信号序列的分解，在通过周期长度/序列周期长度从有限到无限的扩展。让我们从简单的一个正交分解思想开始 三维空间想必大家都不陌生，提起这个概念你肯定第一直觉会想到三维直角
2020-10-06 16:57:43
599
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人