python numpy.fft.fft和ifft

python numpy.fft.fft和ifft(离散傅里叶变换和反傅里叶变换)

numpy.fft 的fft和ifft是相逆变换操作,这里用ECG信号做演示。

1、傅里叶转换是将时域信号转化为频域信号。基于时域的信号为原始信号,经过傅里叶变化得到各个频率的谐波的振幅和相位,也就是说将所有频率的谐波相加可以得到原始信号。
在这里插入图片描述
2、引入原始ECG信号,此处原始ECG信号是处理过的,信号的形式是numpy数组。

import numpy as np
import matplotlib.pyplot as plt

ecg_signal = signal_1[0]  #原始ECG信号
fs = 250     #采样频率
ecg_signal_x = np.linspace(0,len(ecg_signal)/fs,len(ecg_signal))   #生成原始信号的X轴,以时间为维度
fft_x = np.linspace(0,fs,len(ecg_signal))   #生成频谱图的X轴,以频率为维度

plt.figure(figsize=(20,15))
ax0 = plt.subplot(311)
ax0.set_title('ECG signal')
ax0.plot(ecg_signal_x,ecg_signal)   #绘制ECG原始信号

原始ECG信号绘图结果如下。
在这里插入图片描述

3、对ECG信号进行FFT后,绘制频谱图:

fft = np.fft.fft(ecg_signal)   #对原始信号进行快速傅里叶变化 
ax1 = plt.subplot(312)
ax1.set_title('fft')
ax1.plot(fft_x,fft)   #绘制频谱图

频谱图:
在这里插入图片描述
4、用np.fft.ifft进行反傅里叶变换,得到原始信号:

ifft = np.fft.ifft(fft)   #反傅里叶变换
ax2 = plt.subplot(313)
ax2.set_title('fft_inverse')
ax2.plot(ecg_signal_x,ifft)  #绘制反傅里叶变化结果

反傅里叶变换结果:得到的波形与原始信号波形一致。
在这里插入图片描述

  • 5
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值