python利用傅里叶变化的原理合成方波

傅里叶定理

法国科学家傅里叶说过, 任何一个周期函数都是n个不同振幅/不同频率/不同相位的正弦函数叠加而成.

合成方波

一个方波由如下参数的正弦波叠加而成:
y = 4 π × s i n ( x ) y = 4 3 π × s i n ( 3 x ) y = 4 5 π × s i n ( 5 x ) . . . . y = 4 2 n − 1 π × s i n ( ( 2 n − 1 ) x ) y = 4\pi \times sin(x) \\ y = \frac{4}{3}\pi \times sin(3x) \\ y = \frac{4}{5}\pi \times sin(5x) \\ ....\\ y = \frac{4}{2n-1}\pi \times sin((2n-1)x) \\ y=4π×sin(x)y=34π×sin(3x)y=54π×sin(5x)....y=2n14π×sin((2n1)x)
案例:

"""
叠加方波
"""
import numpy as np
import matplotlib.pyplot as mp

x = np.linspace(-2*np.pi, 2*np.pi, 1000)
# 叠加3条曲线
y1 = 4*np.pi * np.sin(x)
y2 = 4/3*np.pi * np.sin(3*x)
y3 = 4/5*np.pi * np.sin(5*x)
y = y1 + y2 + y3
# 叠加1000条曲线
y = np.zeros(x.size)
for i in range(1, 1000):
	y += 4/(2*i-1)*np.pi * np.sin((2*i-1)*x)

mp.grid(linestyle=':')
mp.plot(x, y1)
mp.plot(x, y2)
mp.plot(x, y3)
mp.plot(x, y,linewidth=2)
mp.show()

在这里插入图片描述

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,我们需要导入必要的库: ```python import numpy as np import matplotlib.pyplot as plt ``` 然后,我们可以生成一个方波信号: ```python t = np.linspace(0, 1, 500, endpoint=False) square_wave = np.concatenate((np.zeros(250), np.ones(250))) ``` 接下来,我们可以使用 `numpy` 库中的傅里叶变换函数 `fft` 对方波信号进行傅里叶变换: ```python square_wave_fft = np.fft.fft(square_wave) ``` 为了将傅里叶变换得到的复数结果可视化,我们可以使用 `numpy` 库中的函数 `abs` 来计算傅里叶变换的幅度: ```python square_wave_fft_magnitude = abs(square_wave_fft) ``` 我们可以将傅里叶变换的幅度可视化: ```python plt.plot(square_wave_fft_magnitude) plt.show() ``` 接下来,我们可以使用傅里叶变换的结果来重构原始信号。我们可以将前 `n` 个傅里叶系数相加,来近似重构原始信号: ```python n = 10 square_wave_reconstructed = np.fft.ifft(square_wave_fft[:n]) ``` 我们可以将重构得到的信号可视化: ```python plt.plot(t, square_wave, label='original') plt.plot(t, square_wave_reconstructed.real, label='reconstructed') plt.legend() plt.show() ``` 完整代码如下: ```python import numpy as np import matplotlib.pyplot as plt t = np.linspace(0, 1, 500, endpoint=False) square_wave = np.concatenate((np.zeros(250), np.ones(250))) square_wave_fft = np.fft.fft(square_wave) square_wave_fft_magnitude = abs(square_wave_fft) plt.plot(square_wave_fft_magnitude) plt.show() n = 10 square_wave_reconstructed = np.fft.ifft(square_wave_fft[:n]) plt.plot(t, square_wave, label='original') plt.plot(t, square_wave_reconstructed.real, label='reconstructed') plt.legend() plt.show() ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值