我已经有一段时间没有做过DSP了，但是我没想到我对基本知识的掌握会走这么远。我有一个脚本，在其中将复杂的指数音调进行卷积。我希望其结果是转移的语气。我的结果是非常出乎意料的-我得到3种音调，但没有一个达到我期望的频率。有人可以解释为什么我得到这些结果吗？
这是脚本。
import sys
import numpy
import math
import scipy
from pylab import *
def gen_tone(f, fs, length):
t = linspace(0, length, length * fs)
return cos(2.0 * pi * f * t)
def gen_exp(f, fs, length):
t = linspace(0, length, length * fs)
return numpy.exp(1.0j * 2 * pi * f * t)
def plot_fft(f, fs):
FFT = abs(scipy.fft(f, 1024)) / f.size
figure()
plot(FFT)
f100 = gen_tone(8000, 44100, 1)
f200j = gen_exp(1000, 44100, 1)
res = scipy.signal.fftconvolve(f100, f200j, 'full')
plot_fft(f100, 44100)
plot_fft(f200j, 44100)
plot_fft(res, 44100)
show()
您正在使用频移属性。（例如，请参见http://ocw.usu.edu/Electrical_and_Computer_Engineering/Signals_and_Systems/5_6node6.html；向下滚动到标有“频移属性”的部分。）即，如果的傅立叶变换f(t)为F(w)，则进行傅立叶变换。的f(t)*exp(j*w0*t)是F(w - w0)。表达f(t)*exp(j*w0*t)是逐点相乘f(t)和exp(j*w0*t)，不卷积。
要查看您期望的结果，请替换为：
res = scipy.signal.fftconvolve(f100, f200j, 'full')
和
res = f100 * f200j
如果您按以下方式修改绘图功能，则更容易看到结果：
def plot_fft(f, fs):
FFT = abs(fft(f, 1024)) / f.size
freq = fftfreq(1024, 1.0/fs)
ndx = freq.argsort()
figure()
plot(freq[ndx], FFT[ndx])
grid(True)
并添加
from scipy.fftpack import fft, fftfreq
在脚本的顶部。
您会看到，在的FFT图中的-8000和8000处的峰在的FFT图f100中移至-7000和9000 res。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句