Embedded Files
Fourierspektra med python
Fourierspektra med python
I dette afsnit kan man se hvordan man med python kan generere sin og cos funktioner og analysere dem med fourierspektra.
Fouriespektra bruges til at analysere lydfiler, fx en optagelse af en tone eller en klang med python. Den her øverste del gør dig fortrolig med selve de funktioner som kræves. Klip koden ind i Jupyter og kør den.
Prøv at leg med de forskellige størrelser. OMG (vinkelfrekvensen omega).
Her er koden til Jupyter
Her er koden til Jupyter
import numpy as npimport matplotlib.pyplot as pltfrom numpy.fft import fft, fftfreq, ifft
n = 1000 # Datapunkter
#Lx er antal inddelinger på enhedscirklenLx = 100#vinkelfrekvens omegaomg = 2.0*np.pi/Lx
#linspace producerer n (1000) punkter med samme afstand imellem 0 og Lxx = np.linspace(0,Lx,n)
# 3 forskellige frekvenser for at producere noget signal til analysey1 = 1.0*np.sin(2.0*omg*x)*np.exp(-0.00*x)y2 = 1.1*np.sin(70.0*omg*x)y3 = 1.1*np.sin(150*omg*x)
#Full signaly = y1 + y2 + y3
freqs = fftfreq(n) #finder frekvenserne til x-aksenfft_vals = fft(y) #fft laver fft og lægger A(f) til fft_vals i komplexe talfft_theo = 2.0*np.abs(fft_vals/n) # abs fjerner komplekse tal /n ensretter amplituderne# 2.0 skal ganges med fordi den "sande amplitude" er # pos og neg sammen men vi sletter de neg i plo
plt.figure(1)plt.title('Original signal i tidsdomæne')plt.plot(x,y, label='Original')plt.legend()plt.figure(2)plt.plot(freqs,np.abs(fft_vals), label=" alle FFT værdier")plt.title("Alle genererede FFT værdier")plt.figure(3)plt.title("Kun positive værdier")mask = freqs > 0plt.plot(freqs[mask], fft_theo[mask])plt.show
Page updated
Google Sites
Report abuse