概述
我想计算函数f(x)的傅里叶变换.所以我定义了一个numpy数组X并通过向量化函数f.现在,如果我计算这个数组f(X)的FFT,它就不会像f(x)那样在一张纸上进行傅里叶变换.例如,如果我计算高斯的FFT,我应该得到高斯或数组,其实部非常接近地类似于高斯.
这是代码.请让我知道我需要改变什么来获得通常的傅立叶变换.
import matplotlib.pyplot as plt import numpy as np N = 128 x = np.linspace(-5,5,N) y = np.exp(-x**2) y_fft = np.fft.fftshift(np.fft.fft(y).real) plt.plot(x,y_fft) plt.show()
让我重申一下.我想计算任何函数的傅里叶变换(例如高斯). FFT是计算数字数组的傅立叶变换的方法,但这与连续傅立叶变换公式的简单离散化不同.
DFT和FT是两个不同的东西,你不能使用DFT来计算FT.关于他们的差异,请参阅此link.
如果你的函数是周期性的,那么它的谱是一个只在点定义的函数,如果你非常仔细地选择你的域和采样率,你可以在函数的等间隔样本上使用DFT来推断FT取得很大的成功,并且域是函数所有谐波的所有周期的倍数.
总结
以上是编程之家为你收集整理的python – 傅里叶变换与Numpy FFT全部内容,希望文章能够帮你解决python – 傅里叶变换与Numpy FFT所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧