如何解决与 Mathematica 中的 FFT 相比,Python 中复杂信号的 FFT 导致“翻转”频谱
我有一个复杂的信号,我想对其进行 FFT。使用 Mathematica 我得到以下结果:
(* Some acquisition params *)
fS = 100. 10^6;
time = 10. 10^-6;
NbrSamp = Round[fS * time];
(* Generate signal *)
w0 = 2 \[Pi] 80 10^6;
ti = Subdivide[0.,time,NbrSamp];
sig = Cos[w0 ti] + \[ImaginaryI] Sin[w0 ti];
(* Plot result of FFT *)
ListPlot[Abs@Fourier[sig],Joined -> True,PlotRange -> All,DataRange -> {0,fS}]
但是,在 Python 中执行相同的计算时,与 Mathematica 相比,我得到了“翻转”的光谱。为了获得相同的频谱,我必须翻转 FFT 的输出。我的代码如下:
import numpy as np
import matplotlib.pylab as plt
from scipy.fft import fft
# Some acquisition params
fs = 100e6
time = 10e-6
NbrSamp = round(fs*time)
# Generate signal
w0 = 2*np.pi*80e6
ti = np.arange(NbrSamp+1) / fs
sig = np.cos(w0*ti) + 1j*np.sin(w0*ti)
# calc FFT
sigFFT = fft(sig,norm = 'ortho')
freq = np.arange(0,NbrSamp+1) * fs / NbrSamp
# Plot result of FFT
plt.plot(freq,abs(sigFFT),label = "Actual result")
plt.plot(freq,abs(sigFFT[::-1]),label = "Flipped result")
plt.xlim(min(freq),max(freq))
plt.legend()
plt.show()
我的问题是为什么会这样,以及如何使用 Python 获得与 Mathematica 相同的结果,而不必翻转从 FFT 获得的数据? 我将有大量这样的信号,因此我想避免这种翻转操作。
解决方法
来自documentation to Mathematica's Fourier
function:
- 其他定义用于某些科学和技术领域。
- 可以使用选项
FourierParameters
指定不同的定义选择。 - 在设置
FourierParameters->{a,b}
的情况下,由Fourier
计算的离散傅立叶变换是exp(2πib) 的方程>。 -
{a,b}
的一些常见选择是{0,1}
(默认)、{-1,1}
(数据分析)、{1,-1}
(信号处理)。 - 设置
b = -1
有效地对应于输入和输出列表的共轭。
因此,默认情况下,Mathematica 设置 b = 0
,但设置 b = -1
使其输出与 Python 匹配,Python 使用更常见的信号处理定义。
要让 Python 匹配 Mathematica 的结果,请执行
sigFFT = np.conj(fft(np.conj(sig),norm = 'ortho'))
请注意,此操作与翻转结果不同,因为零频率分量不受影响(输出数组的第一个元素),仅翻转其余元素(也共轭)。
另请注意,如果您只需要 FFT 的幅度,则不需要对输出进行共轭,如 abs(conj(x)) == abs(x)
。
从 docs 开始,Mathematica 的傅立叶 Fourier
使用 正符号(顺时针旋转)指数,而大多数 Python 库使用负符号(如 {{3 }});不同用途的不同用途。
这具有共轭输入和输出的效果:fft_mathematica(x) == conj(fft_python(conj(x),norm='ortho'))
。要直接共轭输出(即 FFT 箱),请交换正负:
out = fft(x)
out[1:] = out[1:][::-1]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。