### 实现Fourier变换的Python代码 以下是基于`numpy`和`scipy`库实现傅里叶变换（Fourier Transform）的完整示例代码： #### 使用 `numpy.fft.fft()` 的实现 ```python import numpy as np import matplotlib.pyplot as plt # 原始信号参数 SAMPLE_RATE = 1400 # 采样率 (Hz) DURATION = 1 # 时间长度 (秒) t = np.linspace(0, DURATION, int(SAMPLE_RATE * DURATION), endpoint=False) # 时间轴 y = 7 * np.sin(2 * np.pi * 200 * t) + 5 * np.sin(2 * np.pi * 400 * t) + 3 * np.sin(2 * np.pi * 600 * t) # 合成信号 # 计算FFT Y = np.fft.fft(y) # 对信号进行快速傅里叶变换 N = len(Y) # 数据点数 T = 1 / SAMPLE_RATE # 采样周期 xf = np.fft.fftfreq(N, T)[:N//2] # 频率范围 Y_magnitude = 2.0/N * np.abs(Y[:N//2]) # 幅度谱 # 绘制频域图 plt.figure(figsize=(10, 6)) plt.plot(xf, Y_magnitude) plt.title('Frequency Domain Representation') plt.xlabel('Frequency [Hz]') plt.ylabel('Amplitude') plt.grid() plt.show() ``` 此代码展示了如何通过`numpy.fft.fft()`计算离散傅里叶变换，并绘制其幅度谱。 --- #### 使用 `scipy.fft.rfft()` 的实现 如果仅需关注实信号的正频率部分，可以使用`scipy.fft.rfft()`来减少冗余数据并提高效率： ```python from scipy.fft import rfft, rfftfreq import numpy as np import matplotlib.pyplot as plt # 参数定义同上 SAMPLE_RATE = 1400 DURATION = 1 t = np.linspace(0, DURATION, int(SAMPLE_RATE * DURATION), endpoint=False) y = 7 * np.sin(2 * np.pi * 200 * t) + 5 * np.sin(2 * np.pi * 400 * t) + 3 * np.sin(2 * np.pi * 600 * t) # 计算RFFT Y_rfft = rfft(y) # 实信号快速傅里叶变换 xf = rfftfreq(len(t), 1/SAMPLE_RATE) # 正频率范围 Y_rfft_magnitude = np.abs(Y_rfft) # 幅度谱 # 绘制频域图 plt.figure(figsize=(10, 6)) plt.plot(xf, Y_rfft_magnitude) plt.title('Real FFT Frequency Domain Representation') plt.xlabel('Frequency [Hz]') plt.ylabel('Magnitude') plt.grid() plt.show() ``` 上述代码利用了`scipy.fft.rfft()`函数[^2]，专门针对实数值输入优化了计算过程。 --- ### 关键说明 - **多维数组支持**：对于高维数组，`numpy`会默认沿最后一个维度执行FFT操作。可以通过调用`np.swapaxes()`调整运算方向[^1]。 - **采样定理**：为了准确重建信号，采样频率应至少为信号最大频率的两倍[^3]。 - **性能对比**：当处理纯实数信号时，推荐优先选用`rfft()`而非标准`fft()`，因为它能显著降低内存占用和运行时间。