不对称正弦波介绍
不对称正弦波图像如下
参数方程可以表示为
x
=
t
−
k
sin
t
y
=
sin
t
\begin{array}{l} x=t-k \sin t \\ y=\sin t \end{array}
x=t−ksinty=sint
t为参数方程的参数,k表示不对称的程度
python生成
求解思路
目标是画出一个x与y的函数图像,因此先通过x求解非线性方程得到t,而后通过t求y,其中求解非线性方程使用scipy.optimize.fsolve
python代码
#导入包
import numpy as np
from scipy.optimize import fsolve, curve_fit
import matplotlib.pyplot as plt
#中间函数,通过x求解t
def feixianxing(t):
global buffer # buffer就是x的取值,在asin函数中修改buffer,反解参数t
k = -.4 # 参数k
return t - k * np.sin(t) - buffer
def asin(x):
funy = []
global buffer
for m in x:
buffer = m
result = fsolve(feixianxing, 0)
buffery = np.sin(result[0])
funy.append(buffery)
return funy
以上函数定义完成后,可以设置x的取值范围,并且生成y
x = np.linspace(0, 10., 100)
y = asin(x)
plt.plot(x, y, 'r-', label='original data')
plt.show()
图像如下:
傅里叶分解
由于这个函数是周期奇函数,所以可以用傅里叶级数对其进行分解,使用的函数为scipy.optimize.curve_fit,代码如下:
# 模板函数,因为是奇函数,所以没有cos的傅里叶项,period是周期,可以自己定义
def fourier(x, *a):
global period
tau = period / 2
f = a[0] * np.sin(np.pi / tau * x)
for deg in range(1, len(a)):
f += a[deg] * np.sin((deg + 1) * np.pi / tau * x)
return f
# 使用curce_fit函数
period = 2 * np.pi
x = np.linspace(0, 10., 100)
y = asin(x)
#x,y是拟合的数据集,[1.0]*3是傅里叶的项数,函数中的意思是估计拟合参数的初值是三个1
popt, pcov = curve_fit(fourier, x, y, [1.0] * 3)
#画出函数并比对
plt.plot(x, y, 'r-', label='original data')
plt.plot(x, fourier(x, *popt), "g--", label='fit curve')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()
图像如下,拟合程度可以通过调节项数来改变。
完整代码
import numpy as np
from scipy.optimize import fsolve, curve_fit
import matplotlib.pyplot as plt
# 中间函数,通过x求解t
def feixianxing(t):
global buffer # buffer就是x的取值,在asin函数中修改buffer,反解参数t
k = -.4 # 参数k
return t - k * np.sin(t) - buffer
def asin(x):
funy = []
global buffer
for m in x:
buffer = m
result = fsolve(feixianxing, 0)
buffery = np.sin(result[0])
funy.append(buffery)
return funy
def fourier(x, *a):
global period
tau = period / 2
f = a[0] * np.sin(np.pi / tau * x)
for deg in range(1, len(a)):
f += a[deg] * np.sin((deg + 1) * np.pi / tau * x)
return f
period = 2 * np.pi
x = np.linspace(0, 10., 100)
y = asin(x)
popt, pcov = curve_fit(fourier, x, y, [1.0] * 3)
plt.plot(x, y, 'r-', label='original data')
plt.plot(x, fourier(x, *popt), "g--", label='fit curve')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()