我对 Python 和 FFT 函数比较陌生。我正在尝试使用 numpy.fft.fft() 函数将方脉冲(一维衍射狭缝函数)转换为 sinc 函数(一维衍射图案),并使输出图与分析变换相同方脉冲的,由等式给出:
F(u) = sin(πau)/(πu)
但是,我无法格式化 FFT 以使其看起来与分析函数相同。这是我的最小工作代码:
a = 40.0 # slit width
N = 5000 # sample points
T = 100.0 # sample spacing
x = np.linspace(-T/2.0,T/2.0,N)
y = np.piecewise(x,[abs(x)>a/2,abs(x)<=a/2],[0,1]) # make 1-D square pulse array
dx = x[1] - x[0]
yf = np.fft.fft(y) * dx # Fourier transform
xf = np.fft.fftfreq(N,d=dx)
xf = np.fft.fftshift(xf)
yf = np.fft.fftshift(yf)
plt.figure(1)
plt.plot(xf,yf)
f = np.sin(np.pi*a*x)/(np.pi*x) # analytical transform function
plt.figure(2)
plt.plot(x,f)
plt.show()
我想我需要调整 FFT 的频率,但我不确定。非常感谢任何帮助!
请您参考如下方法:
您有一个有限长度的离散信号。当您使用 FFT 来 计算该信号的傅立叶变换,您假设 信号是周期性的。也就是说,您的信号不是单个矩形脉冲;这是一个重复脉冲。适用于的分析结果 这种情况是周期性 sinc 函数(也称为别名 sinc 函数 或 Dirichlet 函数),其中一种形式是
f(x) = sin(n*x/2) / (n*sin(x/2))
此函数可用 scipy.special.diric .就在最近我 在 diric 的文档字符串中添加了一个示例以准确显示您的内容 正在问。这是例子。 (它不会出现在已发布的版本中 scipy 直到版本 0.17.)
标准导入:
>>> import numpy as np
>>> from scipy import special
为演示创建一个小的矩形脉冲:
>>> m = 8
>>> k = 3
>>> x = np.zeros(m)
>>> x[:k] = 1
使用 FFT 计算 x 的傅里叶变换,以及 检查系数的大小:
>>> np.abs(np.fft.fft(x))
array([ 3. , 2.41421356, 1. , 0.41421356, 1. ,
0.41421356, 1. , 2.41421356])
现在使用 diric 找到相同的值(直到符号)。我们相乘 通过 k 来说明不同的缩放约定 numpy.fft.fft 和 diric:
>>> theta = np.linspace(0, 2*np.pi, m, endpoint=False)
>>> k * special.diric(theta, k)
array([ 3. , 2.41421356, 1. , -0.41421356, -1. ,
-0.41421356, 1. , 2.41421356])
