问题标签 [ifft]

我正在为图像的傅立叶变换制作几个包装器方法并且遇到了问题。每当我使用标准方法时：

反转操作：

一切都好。但是，当我尝试使用这对时：

要提取具体参数，我无法将其重新组合在一起。目前我专注于实数和虚数部分，因为我觉得 Mag/Phi 的工作方式相同，只是首先从 Mag/Phi 转换为实数和虚数。

//re和im正确进入（已验证）

两种方法（使用向量和使用数组 pp）都会产生相同的白色矩形。为了查看它是否有任何作用，我通过了 fft::idft(&re, &re, &img, true); 在这种情况下，两个窗口中的结果相同（一些随机垃圾但相同）

我怀疑问题出在错误的合并程序上，但我没有其他想法如何恢复原始表单？

提前感谢您的见解。

（免责声明：我曾考虑在 math.statsexchange 上发布此内容，但发现类似的问题已移至 SO，所以我在这里）

上下文：

我正在使用 fft/ifft 来确定随机变量总和的概率分布。因此，例如，我有两个均匀的概率分布——在最简单的情况下，区间 [0,1] 上有两个均匀分布。

因此，要获得从这两个分布中采样的两个随机变量之和的概率分布，可以计算每个概率密度的傅里叶变换的乘积。对这个产品做逆 fft，你会得到总和的概率密度。

一个例子：

我的问题是，产生的概率的形状。窝点。功能完善。但是，x 轴不适合x我一开始创建的，而是移动了。在示例中，峰值在 1.5，而它应该是 0.5。

如果我添加第三个随机变量或修改x. 但我无法弄清楚如何。

恐怕这可能与我有负值的事实有关x，而傅立叶变换通常在frequencies < 0没有意义的时域/频域中工作。

我知道我可以找到例如峰值并将其转移到适当的位置，但看起来很讨厌且容易出错......

很高兴有任何想法！

我正在查看FFT库的基准，并想知道为什么双精度数学会比单精度数学更快（即使在 32 位硬件上）。

目前，我正在从事一项任务，以从在 Matlab 中播放的电影文件中获取几帧。在参数 X、Y 和时间中创建了一个 3D 矩阵。但我被要求通过使用 FFT 和 IFFT 及时确定频率。

我的问题是如何通过在 3D 矩阵上使用 FFT 和 IFFT 来绘制图形以确定时间维度上的频率？如果有人能提供部分matlab代码将不胜感激。

我正在尝试将近岸潮汐信号（点 A）与沿长模型边界的 3 个点（点 BCD）相关联。我想可能在BCD之间建立关系，我们可以将A预测转换为BC和D。目前我正在做一个单相移，高于零电平的幅度比，低于零电平的幅度比和平均电平偏移。

这会在落潮峰和洪水峰时的潮汐信号中产生扭结，并导致模型过度预测落潮。我想知道是否有人知道这种转换的更复杂的关系？

我想捕捉的一件事是高水位和低水位之间的相移差异（例如，不同点的阳性周期与阴性周期的比率可能不同）。

当前流程的示例算法。

顺便说一句：这种关系是基于大约 6 个月的数据。

编辑1：嗯，首先想想两个正弦信号（即幅度，相移），但不是规则的，所以例如周期是12.5小时，但正半和负半的斜率和周期并不是全部相同的。您不需要任何上下文知识。我只是在寻找一种转换算法。

编辑2：

这是时间序列和 fft 比较的图片（fft 专注于高能量频率（12.5 小时（半日）），只是为了说明并非所有频率都可以很好地缩放）。黑色是 A. 零线中的绿色。

据我所知，幅度部分是偶数对称而相位部分是奇数对称的频谱的IFFT应该是真实的。

让我们考虑这个例子：

很明显，这个频谱满足我上面列出的两个条件。当我使用 Matlab 执行 IFFT 时，我得到：

获得的信号是复值的。为什么？有什么问题？

我尝试使用 opencv 的 dft 函数过滤信号。我尝试这样做的方法是在时域中获取信号：

使用以下方法将其转换为 FOURIER 域：

消除不需要的频率：

将其转换回时域：

为了检查我的结果，我将它们与 Matlab 进行了比较。我采用相同的信号 x，将其转换为 FOURIERx_mfft = fft(x);结果与我从 opencv 得到的结果相似，除了在 opencv 中我只得到左侧，而在 matlab 中我也得到对称值。在此之后，我在 Matlab 中将值设置为 0，x_mfft(0) and x_mfft(8:32)现在信号看起来完全相同，除了在 Matlab 中它们是复数形式，而在 opencv 中它们是分开的，实部在一个通道中，虚部在另一个通道中。

问题是，当我使用 matlab 执行逆变换时x_mfilt = ifft(x_mfft)，结果与我使用 opencv 得到的完全不同。 MATLAB：

cv::dft(x_fft, x_filt, cv::DFT_INVERSE, 0) 之后的 OpenCV；

频道 1：

频道 2：

我错过了什么？结果不应该相似吗？如何检查opencv中的逆变换是否正确完成？

后来的编辑：在解决了几个小时的问题后，我决定绘制 Matlab 和 OpenCV 的结果，令我惊讶的是，它们非常相似。

虚部

实物部分：

所以很明显，这是关于 SCALE 因素的。在将它们逐个元素划分之后，这个因子显然是 32 - 信号的长度。有人可以解释为什么会这样吗？显而易见的解决方案是使用cv::dft(x_fft, x_filt, cv::DFT_INVERSE+cv::DFT_SCALE, 0);，所以我想这个话题已经得到解答，但我仍然对为什么会这样感兴趣。

我正在使用声学模拟器，它可以为我输入的任何（正实际）频率提供（复杂的）频率响应。

我想生成一个 1024 点的脉冲响应。

我相信我在这里掌握了基本技术：https ://dsp.stackexchange.com/questions/13883/convert-frequency-response-to-impulse-response

但是，我想从命令行实现它。

模拟器生成一个看起来像这样的文件（注意我已经缩短了数字以使其更具可读性）：

• 第二列是以弧度/秒为单位的角频率

• 第三列是以Hz为单位的频率

• 第 11 列和第 12 列是 Re(z) 和 Im(z)，即该频率的频率响应的实部和虚部

• 第 13 列是频率响应的幅度，我猜这可以与前两列之一一起丢弃

所以我的问题是：我怎样才能处理这个文件并得到一个脉冲响应？

我已经分析计算了高斯函数的 FFT（均值为零）。现在我想使用 MATLAB 代码对其进行数值 IFFT。由于我是 MATLAB 新手，因此需要帮助。

先感谢您。

我在将频谱转换为时间序列时遇到了一个小问题。我已经阅读了很多文章，我认为我正在应用正确的程序，但我没有得到正确的结果。你能帮忙找出错误吗？

我有一个时间序列，例如：

当我计算频谱时，我会： %number of points nPoints=length(timeSeries);

我得到：

我认为频谱计算得很好。但是，现在我需要返回并从该频谱中获取时间序列，我会这样做：

但是，情节看起来像：

它比原始系列低一个数量级。有什么推荐吗？