fft

0熱度

1回答

我已經採樣了5kHz採樣的傳感器數據1分鐘。因此，一個採樣數據文件包含5,000 x 60 = 300,000個數據點。請注意，傳感器會測量週期性數據，如60Hz交流電流。現在，我想對一個數據文件應用FFT（使用python numpy.rfft函數）。據我所知，FFT結果的數量是輸入數據數量的一半，即在30萬個數據點的情況下有150,000個FFT結果。但是，FFT結果的數量太大而無法分

0熱度

1回答

將2個相位聲碼器幀混合在一起

我試圖使用相位聲碼器來凍結聲音。我通過存儲光譜幀（幅度和相位）以及前一幀和當前幀之間的相位差來實現這一點。要播放凍結幀，我只需將頻譜幀重複插入相位聲碼器的反相功能中，每次使用相位差值遞增（並纏繞）相位。這裏是我現在正在做的一些僞碼（爲了簡潔），其中frameA和frameB是相位聲碼器的fft表示的幅度/相位表示。 void analyze(inputSignal) { // conv

1熱度

1回答

不同的Python輸出

我試圖運行Python STFT（也稱爲短時傅立葉變換）上兩個相同採樣數據塊。但是，由於我的數據的應用程序之一，我需要它的一些被收集到一個.txt文件。我很困惑，爲什麼STFT將致力於爲從.csv進來的數據，而不是生產爲從.txt文件進來的數據正確的輸出。兩者都是Panda.core.series.Series數據類型，並且都具有類似的幅度值。測試條件也相同。，我試圖解決的代碼是標記代碼，C

1熱度

1回答

傅立葉變換正常密度函數

我使用下面的MATLAB代碼執行正常的密度函數的傅立葉變換： N=100; j=0:(N-1); a=-5; b=5; dx = (b-a)/N; x = a+j*dx; dt = 2*pi/(N*dx); f1 = -N/2*dt; f2 = N/2*dt; t= f1+ j*dt; GX = normpdf(x,0,1); fft_GX = real(fft(GX))';

1熱度

1回答

尋找關於FFT模板的幫助

我目前正在研究需要FFT進行卷積的問題，但是當我從我的存檔中引入FFT模板時，我發現輸出存在問題。例如：輸入：（0,0）（0,0）（4166667，0）（1，0）正確的輸出：（4166668，0）（-4166667， 1）（4166666，0）（-4166667，-1）模板輸出：（4166668，0）（-4166667，-1）（4166666，0）（-4166667，）代碼： #defi

0熱度

1回答

如何使用FFT實際實現多項式乘法？

我一直在算法教科書中研究這個話題。統一的複雜根源的巧妙使用似乎是數學上的工作。但是，我不明白如何在電腦中實際表示這一點。我能想到的兩件事情：使用實/虛分解來表示複數。但是這意味着使用浮點數，這意味着我打開我的算法數值誤差，即使我想用整數係數乘以兩個多項式，我也會失去精度。將exp（i 2pi/n）表示爲n。所以，我最終會得到一個歐米茄中的元組，如果我必須保持這種形式，我基本上會在歐米茄中進

0熱度

1回答

在fft matlab中計算相位角

我正試圖計算我在Matlab工作區中構建的合成信號的傅里葉譜的第二個分量的頻域（在計算fft之後）的相位角。我相信這個階段等於0（正如你在代碼中看到的那樣），但是我得到的結果是pi/2。代碼如下： t = 0:pi/128:(2 * pi - pi/128); V = sin(t); L = length(V); n = 2^nextpow2(L); Y = fft(V, n); thr

1熱度

1回答

數組太大而無法在matlab中劃分但不是python

我遇到的問題是Matlab中的數組太大。陣列數據來自音頻文件。我想得到衝動迴應。我首先FFT了原始和錄製的音頻。然後由原來的記錄劃分。最後進行逆FFT以獲得脈衝響應。這是我計劃要做的事，但我被困在了部門。卡住使用Matlab，我發現python code可以做到這一點很好。我將代碼重寫到Matlab中，問題又回來了。代碼不完整，但足以顯示問題。希望得到很多建議和批評。由於計劃這樣做，但沒有

4熱度

1回答

matlab中fft，ifft和fftshift的使用

我試圖實現split-step fourier方法來求解光學中的非線性薛定諤方程。它基本上分別對待線性部分和非線性部分。它利用傅里葉變換和時域非線性部分解決了線性部分。下面的代碼從一本書複製： alpha = 0 beta_2 = 1 gamma = 1 T = linspace(-5,5,2^13); delta_T = T(2)-T(1); L = max(size(A));

0熱度

1回答

得到一個像譜圖在MATLAB中的陰謀

我想得到一個與spectrogram函數得到的相同類型的陰謀，我試圖與contour但我沒有得到相同的結果。我寫了一個比較這兩個情節的小函數。該功能記錄音頻一秒鐘，然後繪製頻譜圖。積結果的 function graph_comparison a = audiorecorder(44100,16,1); recordblocking(a,1); y = getaudio