我想从数字上计算一下FFT在一阵列Y。 四种变换(代谢)为Y = 不变(-k^2/4)。
import numpy
X = numpy.arange(-100,100)
Y = numpy.exp(-(X/5.0)**2)
冷漠做法失败了:
from numpy.fft import *
from matplotlib import pyplot
def plotReIm(x,y):
f = pyplot.figure()
ax = f.add_subplot(111)
ax.plot(x, numpy.real(y), b , label= R() )
ax.plot(x, numpy.imag(y), r: , label= I() )
ax.plot(x, numpy.abs(y), k-- , label= abs() )
ax.legend()
Y_k = fftshift(fft(Y))
k = fftshift(fftfreq(len(Y)))
plotReIm(k,Y_k)
真正的(Y_k)在积极和消极的价值观之间跳跃,这相当于一个跳跃的阶段,而这个阶段并不具有象征意义。 这当然不可取。 (这一结果在技术上是正确的,因为如果偷窃(Y_k)是Y., a(Y_k)会给大鼠带来预期的影响。)
这里,功能轮班使阵列单单增加,并相应改变Y_k。 奶粉(k、Y_k)不会通过将这种手术应用到这两种病媒而改变。
This changes appears to fix the issue:
Y_k = fftshift(fft(ifftshift(Y)))
k = fftshift(fftfreq(len(Y)))
plotReIm(k,Y_k)
www.un.org/Depts/DGACM/index_spanish.htm 如果需要独一无二的Y和Y_k,则采用这种方式是否正确?
上文提到的相反行动是:
Yx = fftshift(ifft(ifftshift(Y_k)))
x = fftshift(fftfreq(len(Y_k), k[1] - k[0]))
plotReIm(x,Yx)
在本案中,。 明确指出,Y_k必须分类,使之与偷窃和偷窃(如果适用的话)的产出相符。
这些问题长期以来一直困扰着我: 输出和输入阵列是否始终如一,<代码>a[0]应当包含零频率术语,[1:n/2+1]应当包含正频术语,[n/2+1:]应当包含负频率术语,以便减少负频率:[假设参考],频率是独立的变数?