问题标签 [continuous-fourier]

我的目标是对分布进行傅立叶变换。这是一个物理问题，我正在尝试将函数从位置空间转换为动量空间。然而，我发现当我尝试使用 scipys fft 进行傅立叶变换时，它会变成锯齿状，而预期会是平滑的形状。我认为这与采样有关，但我无法找出问题所在。

这是转换后的函数当前的样子：

这是它大致应该看起来的样子（它的宽度可能略有不同，但就平滑度而言，它应该看起来相似）：

这是用于生成蓝色图像的代码：

---

更新

---

如果有人可以提供一些进一步的建议，那就太好了，因为我仍然遇到麻烦。根据@ScottStensland 的评论，我试图找到正弦波的 FT 以查看是否发现任何问题，然后将示例改回为我最初的问题。

以下是 sin(x) 的 FT 的结果：

这是预期的（我认为）。但是当我通过初始示例将代码改回时，我得到以下信息（顶部图像是我的初始分布）：

sin(x) 示例的代码如下：

对于我自己的尝试：

相关文件在这里： https ://github.com/georgedixon4321/NewDistribution.git

此代码从时域计算 DFT。任何人都可以看到下面的代码并帮助我得到正确的答案吗？我的问题是：当我将 N 值更改为 4、5、10 或其他值时。X(1) 随之改变。但我认为 X(1) 对于 N 的每个值都必须相同。就像下面的形状：N 值发生变化但垂直值相同。如果您能帮助我，我将不胜感激。谢谢你。

在此处输入图像描述

我正在尝试根据scipy 文档绘制符号波的傅立叶变换

---

期望的输出

我想得到一个看起来像这样的傅立叶变换图

电流输出

但它看起来像这样

---

额外的

这是我正在使用的罪波

我正在尝试对 1 亿个复杂数据（100000x1000）计算 2D FFT，大约需要 4.6 秒，但我想减少时间。然后我尝试使用 fftw_thread 计算它。但是随后计算时间增加了（在 2 个线程中耗时 - 8.5 秒，在 4 个线程中耗时 - 16.5 秒）。我正在为 C++ 和 OS 使用 FFTW3 库 - ubuntu 18.04 我在下面附上 C++ 代码：

我没有错误。我想减少执行时间。任何人都可以在这件事上帮助我，以减少在 1 亿个数据上计算 2D FFT 的时间。

早上好，

我正在尝试通过 sympy 创建三角波的傅立叶级数。

周期是从 0 到 1，在 x=0 中 f=0，在 x=1 中 f=1。代码如下。

然而，似乎fourier_series 自动假设f=0 在区间的中间，x=0.5。所以它假设 x=0->f=-0.5 和 x=1->f=0.5，即使那不是我定义的函数

有人可以解释一下问题是什么吗？

谢谢

早上好，我正在尝试计算 f=x 的傅立叶级数（0<x<1 中的周期性）。

我在这里查看示例： https ://docs.sympy.org/latest/modules/series/fourier.html#sympy.series.fourier.fourier_series 在页面底部有以下代码作为示例

现在，当我复制并粘贴与示例中完全相同的代码时，我得到的结果与 sympy 手册中的图片所示不同。我得到的系列根本不遵循 0<x<1 中的函数 f=x。

为什么是这样？

谢谢

我想计算正态特征函数的傅里叶变换以获得正态分布 pdf，但 sympy 函数计算：

$$F(k) = a \int_{-\infty}^{\infty} f(x) e^{bixk} , dx.$$

但是函数中没有 a ,b 参数。

问题是要通过 a=1 和 b=-1。但我不知道如何。

给定一个区间 (-1,1) 上的函数 functF(x)（例如，functF(x) = -x**2）。

我想找到fFourier- 使用 Python 函数 np.fft.fft() 的这个函数的离散傅立叶变换（我阅读了描述，但我无法应用它）。

fFourier (y) = sum(b_k * exp(-I*k*Pi*y/L) k 从 -Nf 到 Nf)

我试过这个，但我认为它不正确。

系数的输出是fFourier = np.fft.fft(f)b_k 吗？

我有一个添加了高斯白噪声的信号。我正在做某种模式分解。在模式分解之后，噪声看起来不是随机的，而是在时域中出现条纹。模式分解是维纳滤波器，它进行线性分解。因此，它将白噪声转换为线性条纹。请查看频域中的噪声。红色是信号，蓝色的输出模式中有噪声。我感谢帮助 谢谢萨尔

在 Matlab 中，我想象征性地计算以下函数的傅里叶逆变换：

但不可能得到结果：

这个函数的傅里叶逆变换真的没有明确的公式吗cf

编辑

我尝试使用 sum 和 product with log 以其他形式表达cf函数：

和。N=60_A=ones(1,N)

但是当我申请 FT 时，我得到：

这里有什么问题？