numpy.fft() quelle est la valeur de retour d'amplitude + décalage de phase OU de l'angle?

De la np.fft.fft() retourne un ensemble complexe .... quelle est la signification du nombre complexe ?
Je suppose que la partie réelle est l'amplitude !
La partie imaginaire est la phase-shift ? phase-angle ? Ou quelque chose d'autre !

J'ai compris la position dans le tableau représentent la fréquence.

généralement à l'interprétation d'une fft vous serait de la parcelle 20*log(abs(fft(x)), ce qui prend de la grandeur des nombres complexes et la met dans une échelle de dB

OriginalL'auteur sten | 2015-02-19

  1. 11

    Ce n'est pas vraiment une question de programmation, et n'est pas spécifique à numpy. Brièvement, la valeur absolue d'un nombre complexe (sqrt(x.real**2 + x.imag**2), ou numpy.abs()) est l'amplitude.

    Plus détaillée, lorsque vous appliquez la FFT à un tableau X (qui, disons, contient un certain nombre d'échantillons d'une fonction X(t) à différentes valeurs de t), vous essayez de le représenter comme une somme de "ondes planes" exp(i w t) (où i est un imaginaire de l'unité, et w est une vraie valeur de la fréquence) avec différentes valeurs de w. Qui est, vous voulez quelque chose comme

    X = A exp(i w1 t) + B exp(i w2 t) + ...

    Une FFT vous renvoie ces coefficients A, B etc correspondant à certaines fréquences fixes w1, w2 etc (en numpy, vous pouvez obtenir leurs valeurs de fftfreq()).

    Maintenant, ces coefficients sont, en général, complexe. Un nombre complexe A peut être représenté comme une combinaison de "amplitude" et "phase":

    A = r exp(i p)

    où r (== numpy.abs(A)) est l'amplitude, et p (== numpy.angle(A)) est la phase, les deux valeurs réelles. Si l'on remplace dans l'expression de la FFT expansion, vous obtenez

    r exp(i p) exp(i w t) == r exp(i (w t + p))

    Ainsi, l'amplitude r les changements de la valeur absolue du terme, et la phase p, bien, décale la phase. Par conséquent, afin d'obtenir la matrice des amplitudes à partir du résultat d'une FFT, vous avez besoin d'appliquer numpy.abs.

    Mais je voudrais vraiment vous suggérons de lire quelque chose sur la FFT la théorie, il y a beaucoup d'informations autour de, par exemple wiki.

    Merci pour les réponses ... je vais essayer d'obtenir le haut (freq,amp,phase) à partir de (temps,amp) via la FFT et ensuite utiliser ceux générés freq++ pour tracer les ondes sinusoïdales. La différence c'est que je veux de la parcelle ci-dessus/après le calendrier des échantillons que j'ai.

    OriginalL'auteur fjarri

  2. 5

    Le tableau de valeurs vous obtenez est, comme pour toute DFT mise en œuvre, je suis au courant, un tableau de nombres complexes. Un nombre complexe a une norme, ce qui correspond à l'amplitude. Et il a un angle dans le plan complexe (parfois appelé argument), selon les parties réelles et imaginaires. Cet angle correspond à la phase. Le plan complexe (à partir de Wolfram docs):

    numpy.fft() quelle est la valeur de retour d'amplitude + décalage de phase OU de l'angle?

    Donc, votre tableau contient x et y, les parties réelles et imaginaires. Vous êtes intéressé par l'angle theta. Il peut être calculée comme suit:

    tan(theta) = y/x

    theta = arctan(y/x)

    Cela donne l'angle en radians. Vous pourriez également jeter un coup d'oeil à numpy.angle().

    OriginalL'auteur Jan-Philip Gehrcke

  3. 2

    L'ampleur, r, à une fréquence donnée représente le montant de cette fréquence dans le signal d'origine. Le complexe argument représente l'angle de phase, thêta.

    x + i*y = r * exp(i*theta)

    Où x et y sont des nombres que l'numpy FFT retourne.

    OriginalL'auteur wrdeman