基于Python實現(xiàn)DIT-FFT算法
自己寫函數(shù)實現(xiàn)FFT
使用遞歸方法
from math import log, ceil, cos, sin, pi
import matplotlib.pyplot as plt
import numpy as np
# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
def fft(x, N=None):
# DIT-FFT 函數(shù)說明
# x: 時域序列
# N: N點DFT, 理論上N=2**M
# 返回值為序列x的DFT
if N is None:
N = len(x)
elif N < len(x):
N = len(x)
if N == 2:
return [x[0]+x[1], x[0]-x[1]]
# 補0使得N=2**M
M = ceil(log(N, 2))
N = 2**M
x = x + [0] * (N-len(x))
# 遞歸地計算偶數(shù)項和奇數(shù)項的DFT
X1 = fft(x[0::2])
X2 = fft(x[1::2])
X = [0] * N
for i in range(N//2):
# 蝶形計算
tmp = (cos(2*pi/N*i)-1j*sin(2*pi/N*i))*X2[i]
X[i] = X1[i] + tmp
X[i+N//2] = X1[i] - tmp
return X
if __name__ == '__main__':
x = [1]*10
y = fft(x, 1024)
# print(y)
z = [abs(i) for i in y]
# print(z)
plt.plot(np.arange(len(z))*2/len(z), z, label='10點矩形窗函數(shù)的FFT')
plt.title("幅度譜")
plt.xlabel(r'單位:$\pi$')
plt.ylabel(r'$|H(j\omega)|$')
plt.grid(linestyle="-.")
plt.legend()
plt.show()
使用循環(huán),流式計算(極大地節(jié)省了內(nèi)存)
from math import log, ceil, cos, sin, pi
import matplotlib.pyplot as plt
import numpy as np
# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
def fft(x, N=None):
# DIT-FFT 函數(shù)說明
# x: 時域序列
# N: N點DFT, 理論上N=2**M
# 返回值為序列x的DFT
"""
采用流式計算方法,只用了一個N(N=2**M)點的數(shù)組內(nèi)存
"""
if N is None:
N = len(x)
elif N < len(x):
N = len(x)
# 補0使得:N=2**M
M = ceil(log(N, 2))
N = 2**M
x = x + [0] * (N-len(x))
fm = "{:0"+f"{M}"+"b}"
X = [0] * N
for i in range(N//2):
index1 = eval('0b'+fm.format(i*2)[::-1])
index2 = eval('0b'+fm.format(i*2+1)[::-1])
X[2*i] = x[index1] + x[index2]
X[2*i+1] = x[index1] - x[index2]
for i in range(1, M):
# 第i步表示將2**i點DFT合成2**(i+1)點的DFT
# 蝶形寬度width
width = 2**i
"""
將X(k)序列進行分組,每組2**(i+1)個點,
便于將每組中兩組2**i點DFT合成一組2**(i+1)點的DFT
"""
# num=2*width=2**(i+1), 表示每組點數(shù)
num = 2*width
# 組數(shù)groups
groups = N//num
for j in range(groups):
# 對每組將2**i點DFT合成2**(i+1)=num點的DFT
for k in range(num//2):
# 旋轉(zhuǎn)因子
W = cos(2*pi/num*k) - 1j * sin(2*pi/num*k)
# 第j組第k個
index = j*num + k
tmp = W * X[index+width] # 每個蝶形一次復數(shù)乘法
X[index], X[index+width] = X[index]+tmp, X[index]-tmp
return X
if __name__ == '__main__':
x = [1]*10
y = fft(x, 1024)
# print(y)
z = [abs(i) for i in y]
# print(z)
plt.plot(np.arange(len(z))*2/len(z), z, label='10點矩形窗函數(shù)的FFT')
plt.title("幅度譜")
plt.xlabel(r'單位:$\pi$')
plt.ylabel(r'$|H(j\omega)|$')
plt.grid(linestyle="-.")
plt.legend()
plt.show()運行結(jié)果:

# 說明:建議使用第二種方法實現(xiàn)FFT。第一種遞歸的方法在遞歸調(diào)用時也需要一定的成本,且使用的內(nèi)存較大;而第二種方法只使用了一個N(N=2**M)點的數(shù)組進行計算,內(nèi)存可重用。
使用python的第三方庫進行FFT
import numpy as np
from numpy.fft import fft, ifft
# from scipy.fftpack import fft, ifft
import matplotlib.pyplot as plt
# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
if __name__ == '__main__':
x = 2*np.sin(np.pi/2*np.arange(100))+np.sin(np.pi/5*np.arange(100))
z = [abs(i) for i in fft(x, 2048)]
# print(z)
L = len(z)
plt.plot((np.arange(L)*2/L)[:L//2], z[:L//2], label='兩個不同頻率正弦信號相加的DFT')
plt.title("幅度譜")
plt.xlabel('$\pi$')
plt.ylabel('$|H(j\omega)|$')
plt.grid(linestyle="-.")
plt.legend()
plt.show()
print('max(abs(ifft(fft(x))-x)) = ', end='')
print(max(abs(ifft(fft(x))-x)))運行結(jié)果:

max(abs(ifft(fft(x))-x)) = 9.01467522361575e-16
以上就是基于Python實現(xiàn)DIT-FFT算法的詳細內(nèi)容,更多關(guān)于Python DIT-FFT算法的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
Python+Matplotlib繪制發(fā)散條形圖的示例代碼
發(fā)散條形圖(Diverging Bar)是一種用于顯示數(shù)據(jù)分布的圖表,可以幫助我們比較不同類別或分組的數(shù)據(jù)的差異和相對性,本文介紹了Matplotlib繪制發(fā)散條形圖的函數(shù)源碼,需要的可以參考一下2023-06-06
Python中urlencode()函數(shù)構(gòu)建URL查詢字符串的利器學習
這篇文章主要為大家介紹了Python中urlencode()函數(shù)構(gòu)建URL查詢字符串的利器學習,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-10-10
TensorFlow中關(guān)于tf.app.flags命令行參數(shù)解析模塊
這篇文章主要介紹了TensorFlow中關(guān)于tf.app.flags命令行參數(shù)解析模塊,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2022-11-11
Python利用arcpy模塊實現(xiàn)柵格的創(chuàng)建與拼接
這篇文章主要為大家詳細介紹了如何基于Python語言arcpy模塊,實現(xiàn)柵格影像圖層建立與多幅遙感影像數(shù)據(jù)批量拼接(Mosaic)的操作,感興趣的可以了解一下2023-02-02
Python opencv圖像基本操作學習之灰度圖轉(zhuǎn)換
使用opencv將圖片轉(zhuǎn)為灰度圖主要有兩種方法,第一種是將彩色圖轉(zhuǎn)為灰度圖,第二種是在使用OpenCV讀取圖片的時候直接讀取為灰度圖,今天通過實例代碼講解Python opencv圖像基本操作學習之灰度圖轉(zhuǎn)換,感興趣的朋友一起看看吧2023-02-02

