fftfreq函数的用法

最新推荐文章于 2025-03-12 01:05:12 发布

风の海

最新推荐文章于 2025-03-12 01:05:12 发布

阅读量8k

点赞数 3

分类专栏： python 函数文章标签：矩阵 python 线性代数

本文链接：https://blog.csdn.net/qq_45911984/article/details/122338878

版权

python 函数专栏收录该内容

1 篇文章

订阅专栏

本文介绍了如何利用numpy和scipy中的fftfreq函数来计算傅里叶变换后的频率轴，特别是在处理实际信号时的应用。通过示例展示了fftfreq函数的使用方法，强调了其在自动生成频率范围上的便利性，特别是在处理不同长度信号时的适应性。在绘制频谱图时，需要注意取一半的频率值，并解释了频谱图中负频率的含义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

fftfreq函数的用法：

from scipy.fftpack import fftfreq
from numpy.fft import fftfreq #numpy和scipy都有fftfreq函数
signal = np.array([-2, 8, 6, 4, 1, 0, 3, 5], dtype=float)
fourier = np.fft.fft(signal)
n = signal.size
timestep = 0.1
freq = np.fft.fftfreq(n, d=timestep)
freq
    array([ 0.  ,  1.25,  2.5 , ..., -3.75, -2.5 , -1.25])

我们在画频谱图的时候需要对信号做傅里叶变换，x轴对应的是频率范围，
使用fftfreq的好处就是可以自动生成频率范围，而不用去考虑信号长度是奇数还是偶数的问题。
处理实际信号的时候这样使用：fftfreq(len(signal),1/samplerate),即fftfreq(信号长度，1/采样率)。注意这里的信号长度是信号做傅里叶变换之后的原始长度（画频谱图的时候则取一半长度），得到频率范围后发现频率有负值，这时同样对频率取一半即可。