Canmv k230 案例2.4——DFT自定义（四）

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。。。