FRI信号重构算法（一）：零化滤波器法（python版）

最新推荐文章于 2024-09-26 18:47:08 发布

nwsuaf_huasir

最新推荐文章于 2024-09-26 18:47:08 发布

阅读量1.3k

点赞数

分类专栏：有限新息率（FRI）文章标签： python

本文链接：https://blog.csdn.net/wzz110011/article/details/124066776

版权

有限新息率（FRI）专栏收录该内容

15 篇文章 29 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了FRI（有限速率创新）信号重构中的零化滤波器方法，并提供了详细的Python代码实现，帮助读者理解并应用该算法。

摘要由CSDN通过智能技术生成

## FRI 信号重构
## 信号模型为Dirac脉冲，采样核为sinc核，直接取傅里叶系数
## 
import numpy as np
import matplotlib.pyplot as plt
import math
fs = 1000 #采样率
dt = 1/fs #采样间隔
simuT = 1 #仿真时间
L = 5 #Dirac脉冲数，2*L即新息率
simuTime = np.arange(0,simuT,dt) #仿真时间向量，步长为dt，起点为0，终点为1，不包含终点
ak = np.array([0.4, 0.6, 0.3, 0.9, 0.7])  #幅值
tk = np.array([0.1, 0.2, 0.3, 0.7, 0.8]) #时延,单位为秒
tk_index = (tk*fs).astype(np.int32) #脉冲流信号的脉冲位置的下标，下标必须是整数，astype()用于强制类型转换
N = simuTime.size  #信号的长度
x = np.zeros((N))  #生成全零的仿真信号
x[tk_index] = ak   #添加脉冲
## 绘制仿真信号
#plt.stem(simuTime,x)
#plt.show()
X = np.fft.fftshift(np.fft.fft(x))/N  #fft变换，并且将零分量平移到中心

mid = (np.ceil(N/2)).astype(int) #零频率分量的下标
X_part = X[mid:mi

了解本专栏