圆月山庄资源网 Design By www.vgjia.com
1、流程
大体流程如下,无论图像、声音、ADC数据都是如下流程:
(1)将原信号进行FFT;
(2)将进行FFT得到的数据去掉需要滤波的频率;
(3)进行FFT逆变换得到信号数据;
2、算法仿真
2.1 生成数据:
#采样点选择1400个,因为设置的信号频率分量最高为600Hz,根据采样定理知采样频率要大于信号频率2倍,所以这里设置采样频率为1400Hz(即一秒内有1400个采样点) x=np.linspace(0,1,1400) #设置需要采样的信号,频率分量有180,390和600 y=2*np.sin(2*np.pi*180*x) + 3*np.sin(2*np.pi*390*x)+4*np.sin(2*np.pi*600*x)
2.2 对生成的数据进行FFT变换
yy=fft(y) #快速傅里叶变换 yf=abs(fft(y)) # 取模 yf1=abs(fft(y))/((len(x)/2)) #归一化处理 yf2 = yf1[range(int(len(x)/2))] #由于对称性,只取一半区间
2.3显示转换结果:
显示原始FFT模值:
#混合波的FFT(双边频率范围) plt.figure(2) plt.plot(xf,yf,'r') #显示原始信号的FFT模值 plt.title('FFT of Mixed wave(two sides frequency range)',fontsize=7,color='#7A378B') #注意这里的颜色可以查询颜色代码表
显示原始FFT归一化后的模值:
#混合波的FFT(归一化) plt.figure(3) plt.plot(xf1,yf1,'g') plt.title('FFT of Mixed wave(normalization)',fontsize=9,color='r')
由于对称,只取一半区间进行显示
plt.figure(4) plt.plot(xf2,yf2,'b') plt.title('FFT of Mixed wave)',fontsize=10,color='#F08080')
3、利用FFT进行滤波
例如将频率为600HZ的噪声滤掉,这里直接将该频段的数据置零:
yy=fft(y) #快速傅里叶变换 yreal = yy.real # 获取实数部分 yimag = yy.imag # 获取虚数部分 test_y =yy for i in range(len(yy)): if i <=900 and i>=500: test_y[i]=0
对置零后的数据进行逆变换:
test = np.fft.ifft(test_y) #对变换后的结果应用ifft函数,应该可以近似地还原初始信号。
对还原的数据进行FFT变换的结果:
滤波后的数据和原数据相对比:
蓝色的为原数据,橙色的为滤波后的数据
假设将400Hz和600Hz的信号都滤掉得到的信号图像如下:
4、对随机噪声进行滤波
源码:
noise_size = 1400 noise_array = np.random.normal(0, 2, noise_size) adc_value=[] for i in range(noise_size): adc_value.append(0) y= np.array(adc_value) + noise_array yy=fft(y) #快速傅里叶变换 yf=abs(fft(y)) # 取模 yf1=abs(fft(y))/((len(y)/2)) #归一化处理 yf2 = yf1[range(int(len(y)/2))] #由于对称性,只取一半区间 #混合波的FFT(双边频率范围) xf = np.arange(len(y)) plt.figure(1) plt.plot(xf,yf,'r') #显示原始信号的FFT模值 plt.title('FFT of Mixed wave(two sides frequency range)',fontsize=7,color='#7A378B') #注意这里的颜色可以查询颜色代码表 yy=fft(y) #快速傅里叶变换 yreal = yy.real # 获取实数部分 yimag = yy.imag # 获取虚数部分 test_y =yy for i in range(len(yy)): if i <=1200 and i>=200: test_y[i]=0 test = np.fft.ifft(test_y) #对变换后的结果应用ifft函数,应该可以近似地还原初始信号。 y=test yy=fft(y) #快速傅里叶变换 yf=abs(fft(y)) # 取模 yf1=abs(fft(y))/((len(y)/2)) #归一化处理 yf2 = yf1[range(int(len(y)/2))] #由于对称性,只取一半区间 #混合波的FFT(双边频率范围) xf = np.arange(len(y)) plt.figure(2) plt.plot(xf,yf,'r') #显示原始信号的FFT模值 plt.title('FFT of Mixed wave(two sides frequency range)',fontsize=7,color='#7A378B') #注意这里的颜色可以查询颜色代码表
运行结果:
原数据频谱图:
滤波后的频谱图:
滤波后(蓝色线)与原数据(红色线)对比:
以上这篇Python利用FFT进行简单滤波的实现就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
标签:
Python,FFT,滤波
圆月山庄资源网 Design By www.vgjia.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
圆月山庄资源网 Design By www.vgjia.com
暂无评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
2024年11月02日
2024年11月02日
- lol全球总决赛lck一号种子是谁 S14全球总决赛lck一号种子队伍
- BradMehldau-ApresFaure(2024)[24-96]FLAC
- IlCannone-FrancescaDegoPlaysPaganinisViolin(2021)[24-96]FLAC
- Tchaikovsky,Babajanian-PianoTrios-Gluzman,Moser,Sudbin[FLAC+CUE]
- 费玉清.1987-费玉清十周年旧曲情怀4CD【东尼】【WAV+CUE】
- 群星.2024-春花焰电视剧影视原声带【TME】【FLAC分轨】
- 方力申.2008-我的最爱新曲+精丫金牌大风】【WAV+CUE】
- 群星 《2024好听新歌35》十倍音质 U盘音乐 [WAV分轨][1.1G]
- 群星《烧透你的耳朵1》DXD金佰利 [低速原抓WAV+CUE][1.2G]
- 莫文蔚《超级金曲精选2CD》SONY [WAV+CUE][1.6G]
- 【RR】加尼克奥尔森GarrickOhlsso《贝多芬钢琴协奏曲全集》原声母带WAV
- 彭芳《纯色角1》[WAV+CUE]
- 李蔓《山顶的月亮—李蔓动态情歌》
- 梁咏琪.1999-新鲜【EEI】【WAV+CUE】
- 张琍敏.1979-悲之秋【海山】【FLAC分轨】