Canmv k230 案例2.3——DFT自定义(四)
最近在做S变换,将代码转换到micropython中,因为需要用到复数,因此进行DFT和IDFT变换,而Canmv k230中的FFT有些问题,ulab中的fft不支持复数,因此需要自定义DFT,FFT后面有时间再编写。。。
# 初始的DFT 计算 与逆变换
import array
import math
from ulab import numpy as np
x=np.array([0,1,2,3,4,5,6,7],dtype=np.complex) # 待处理数据
print('待处理数据 x \t\t:\n',x)
# 采用自己定义的DFT函数
def DFT(x):
Hw=[] # Hw H(w) 频域分布
xl=len(x)
for m in range(xl):
ww=[]
for n in range(xl):
W=x[n]*np.exp(-1j*2*math.pi*n*m/xl)
ww.append(W)
Hw.append(sum(ww))
Hw=np.array(Hw,dtype=np.complex)
return Hw
# 调用 DFT
Hw=DFT(x)
print('DFT 输出 H(w) \t\t:\n',Hw)
# IDFT 傅里叶的逆变换
def IDFT(Hw):
Hw=np.array(Hw,dtype=np.complex)
x=[]
xl=len(Hw)
for m in range(xl):
ww=[]
for n in range(xl):
W=Hw[n]*np.exp(1j*2*math.pi*n*m/xl)
ww.append(W)
x.append(abs(sum(ww)/xl))
x=np.array(x,dtype=np.float)
return x
# 调用 IDFT
x=IDFT(Hw)
print('IDFT 输出 x \t\t:\n',x)
输出结果
可以看到计算得到的误差较小,FFT是DFT的快速算法,同时数据长度需要为2^n,DFT长度任意,但与FFT相比计算量大,FFT后续编写
虽然通过商用软件等直接调用函数方便,但通过原理自行编程也是有乐趣的,就是费时费力。。。
S变换在实现上还有一些计算过程需要自定义,可能要过一段时间,同时虽然得到了计算结果但目前还不是完全理解其中的一些概念。。。
任重道远。。。