python fft函数_FFT快速傅里叶变换的python实现过程解析

FFT是DFT的高效算法，能够将时域信号转化到频域上，下面记录下一段用python实现的FFT代码。

# encoding=utf-8

import numpy as np

import pylab as pl # 导入和matplotlib同时安装的作图库pylab

sampling_rate = 8000 # 采样频率8000Hz

fft_size = 512 # 采样点512，就是说以8000Hz的速度采512个点，我们获得的数据只有这512个点的对应时刻和此时的信号值。

t = np.linspace(0, 1, sampling_rate) # 截取一段时间，截取是任意的，这里取了0~1秒的一段时间。

x = np.sin(2*np.pi*156.25*t) + 2*np.sin(2*np.pi*234.375*t) # 输入信号序列，人工生成了一段信号序列，范围在0~1秒

xs = x[:fft_size] # 由上所述，我们只采样了512个点，所以我们只获得了前512个点的数据

xf = np.fft.rfft(xs)/fft_size # 调用np.fft的函数rfft(用于实值信号fft)，产生长度为fft_size/2+1的一个复数向量，分别表示从0Hz~4000Hz的部分，这里之所以是4000Hz是因为Nyquist定理，采样频率8000Hz，则能恢复带宽为4000Hz的信号。最后/fft_size是为了正确显示波形能量

freqs = np.linspace(0, sampling_rate//2, fft_size//2 + 1) # 由上可知，我们得到了数据，现在产生0~4