python中finfo函数_python – 使用scipy fft和ifft以数字方式求解常微分方程

正弦曲线的导数或复指数与其频率成正比,相移π/ 2.对于复指数,相移相当于乘以j.例如,d / dt exp(j *Ω* t)== j *Ω* exp(j *Ω* t)==Ω* exp(j *π/ 2)* exp(j *Ω* t)= =Ω* exp(j *(Ω*tπ/ 2)).因此,如果你有傅里叶变换对u(t)< => U(Ω),然后du / dt< => jΩ* U(Ω).积分几乎是逆操作,但如果存在DC分量,它可能会增加一个冲动：∫udt< => U(Ω)/jΩπ* U(0)*δ(Ω)

要使用采样序列逼近导数,必须通过采样率fs缩放离散时间角频率ω(范围从0到2π,或-π到π).例如,假设离散时间频率是π/ 2弧度/样本,例如序列[1,0,-1,0,…].在原始信号中,这对应于fs / 4.导数是d / dt cos(2 *π* fs / 4 * t)== d / dt cos(π/ 2 * fs * t)==-π/ 2 * fs * sin(π/ 2 * fs * t)==π/ 2 * fs * cos(π/ 2 * fs *tπ/ 2).

你必须采样的信号带宽超过信号带宽的两倍.精确fs / 2的采样分量是不可靠的.具体地,每循环仅有2个样本,fs / 2分量的幅度与序列中第一个样本的符号交替.因此,对于实值信号,fs / 2 DFT分量是实值的,具有0或π弧度的相位,即a * cos(π* fs * t {0,π}).给定后者,fs / 2分量的导数是-a *π* fs * cos(π* fs * t {π/ 2,3 *π/ 2}),对于采样时间t = 0为0 N / FS.

(关于后者,DFT的标准三角插值使用余弦,在这种情况下,导数在采样点处将为零.如果您同时对信号及其导数进行采样,则不一定正确.采样失去相位fs / 2分量相对于信号的影响,但不相对于它的导数.根据你开始采样的时间,fs / 2分量及其导数在样本点可能都不为零.它们在采样时间为0,另一个在