第二章 谐波

2.1 三角波

2.2 方波

三角波	方波
三角波的谐波全部都是基频的奇数倍	方波也是只含有奇数谐波
各谐波的幅度随着频率的平方等比例地衰减	幅度随频率等比例衰减，衰减得慢一些
这种关系被称为谐波结构	例如，对比200Hz和600Hz，幅度比为$(\frac{600}{200}{)}^2=9$

生成三角波和方波都是从Sinusoid继承了_init_，区别在于evaluate

class SquareSignal(Sinusoid):
	def evaluate(self,ts):
		cycles = self.freq * ts + self.offset / PI2
		frac, _ = np.modf(cycles)
		ys = self.amp * np.sign(unbias(frac))#np.sign将负值投射到-1，正值投射到1
		return ys

2.3 混叠
比如，每秒采样10 000次，那么我们能测的最高频率就是5 000Hz（该频率称为奈奎斯特频率/折叠频率）
即每秒含有5 000个周期，每周期仅有两个采样点
信号在离散的时间点上进行取值，就会失去采样点之间的信息，采样高频信号后，其结果与采样低频信号一样
在这个例子中，7 700Hz的信号无法与2 300Hz的信号区分，即高于5 000Hz的信号被折叠到了5 000Hz以下
2.4 计算频谱

补：fs，是一个包含对应hs各元素的频率的数组

理解hs的值
hs中的每一个值对应一个频率元素。其量值与对应的元素的振幅成比例，其角度为相位差。
Spectrum类提供了两个只读属性：amps和angles，返回的是NumPy数组，分别代表振幅和角度。
建议将DFT想象为振幅和角度的向量，只不过恰好用复数的形式来表示了。

修改Spectrum

#将所有匀速的振幅都变成原来的两倍
spectrum.hs *= 2
spectrum.scale(2)
#将hs元素中超过截至频率的所有元素都置零
spectrum.hs[spectrum.fs > cutoff] = 0
spectrum.low_pass(cutoff)