1

我想了解使用numpy.fft模块的函数的分析和数字 FT 之间的区别(即为什么它们不一样)。从等式开始

sig(x) = exp(-mod(x)),

信号图

可以证明这个傅里叶变换可以给出解析 FT(参见例如 Arfken、Weber 和 Harris p966,或者sympyfourier_transform(exp(-abs(x)), x, k)这是一个2 * pi不同的因素):

ft(k) = 2 / (1 + k**2).

使用 python/numpy 计算 FFTsig = np.exp(-np.abs(x))给出了一个数值 FT,可以针对解析解进行绘制(ft_numeric ~= ft_analytic x wave in plot)。

FT 图

解析 FT 可以看作是数值 FT 的边界窗口函数,并且可以通过乘以合适的cos函数(ft_analytic x 波重叠 ft_numeric,参见函数形式的示例代码)转换为数值 FT。

我的问题是为什么numpy在这种情况下,这个 FFT 会产生一个修改的(由 cos 波调制的)数值 FT?这是否与 FFT 的定义方式有关,我如何从它的描述中看出这一点:numpy FFT implementation

import numpy as np
import numpy.fft as fft
import pylab as plt

x = np.linspace(-10, 10, 2001)
dx = x[1] - x[0]
normalization = 1 / dx

k = 2 * np.pi * fft.fftshift(fft.fftfreq(x.shape[0], d=dx))

# Signal.
sig = np.exp(-np.abs(x))

# Both shifted.
ft_numeric = fft.fftshift(fft.fft(sig))
ft_analytic = 2 / (1 + k**2)

wave = np.cos(2 * np.pi * k / (k[2] - k[0]))

plt.figure(1)
plt.clf()
plt.title('signal')
plt.plot(x, sig)
plt.xlabel('x')

plt.figure(2)
plt.clf()
plt.title('FT')
plt.plot(k, ft_analytic.real, label='ft_analytic')
plt.plot(k, normalization * ft_numeric, label='ft_numeric')
plt.plot(k, normalization * ft_numeric * wave, label='ft_analytic x wave')
plt.xlim((-15, 15))
plt.xlabel('k')
plt.legend()

plt.show()
4

1 回答 1

1

似乎存在根本性的误解。没有 cos 调制。您只是在绘制数字 FFT 信号的实部和分析的幅度。
当您处理真实信号时,实部显然镜像在 0 附近。因此余弦。

于 2018-05-25T11:40:43.347 回答