时间:2021-05-22
在学习傅里叶变换的时候遇到了求周期方波信号频谱图的例子,在书上和网上查阅了一些资料,发现大都是讨论的都是下图左边的周期信号的频谱,课程老师的PPT中也只列出了另一种周期信号频谱图的结论,没有在进行傅里叶变换,自己便根据定义推导了一遍,贴在这里作记录和分享之用。
关于傅立叶级数展开的另一讨论在我的另一篇文章
2016年11月21号更新
在第二个周期方波信号的傅里叶变换里,注意是
转换为sin函数下为
之前写错了,今天更正。
对于这两种方波信号,我们也可以编程验证一下,就是用正弦函数去逼近方波信号,Python的实现代码如下:
# 分析傅里叶级数分解之后cos和sin的和项的图像输出from numpy import mgrid,sin,cos,array,pifrom matplotlib.pyplot import plot,show,title,legend,xlabel,ylabelx = mgrid[0:10:0.02] # 这里类似于MATLAB用冒号产生步长为0.02的序列,但是语法和MATLAB不同# 下面的这段循环实现y=sin(x)+sin(3x)+...+sin(19x)def cos_square(): y1 = 0; for i in range(0,20,1): b = (-1)**(i)*cos((2*i+1)*x)/(2*i+1) y1=b+y1 # 这种求和的方法是从C语言移植过来的 plot(x,y1,'orange',linewidth=0.6) title('cos_square') xlabel('Time') ylabel('Amplitude') show()def sin_square(): y2 = 0 for i in range(0,20,1): b = sin((2*i+1)*x)/(2*i+1) y2=b+y2 # 这种求和的方法是从C语言移植过来的 plot(x,y2,'g',linewidth=0.6) title('sin_square') xlabel('Time') ylabel('Amplitude') show()cos_square() sin_square()输出结果如下:
由结果可以看两种不同的方波级数展开是正确的
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python实现正弦信号的时域波形和频谱图。分享给大家供大家参考,具体如下:#-*-coding:utf-8-*-#正弦信号的时域波形与频谱图im
本文实例为大家分享了python傅里叶变换FFT绘制频谱图的具体代码,供大家参考,具体内容如下频谱图的横轴表示的是频率,纵轴表示的是振幅#coding=gbki
非线性调制与线性调制本质的区别在于:线性调制不改变信号的原始频谱结构,而非线性调制改变了信号的原始频谱结构。此外,非线性调制往往占用较宽的带宽。非线性调制是调制
在通信领域,可以通过希尔伯特变换求解解析信号,进而求解窄带信号的包络。实现希尔伯特变换有两种方法,一种是对信号做FFT,单后只保留单边频谱,在做IFFT,我们称
我们经常使用傅里叶变换来计算数字信号的频谱,进而分析数字信号,离散时间傅里叶变换的公式为:可是自己动手实现一遍才是最好的学习。在数字分析里面,傅里叶变换默认等时