-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathfft_trans.py
138 lines (125 loc) · 4.24 KB
/
fft_trans.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
import numpy as np
from scipy.fftpack import fft, ifft
import matplotlib.pyplot as plt
from matplotlib.pylab import mpl
from scipy import signal
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文
mpl.rcParams['axes.unicode_minus'] = False # 显示负号
def fft_ifft_picture(input):
input = input.cpu()
#sequence_len为采样频率
sequence_len = input.shape[1]
y = input[0, :sequence_len, 0].view(-1)
y = y.detach().numpy()
x = [i for i in range(sequence_len)]
#原始波形
plt.figure()
plt.plot(x, y)
plt.title('原始波形')
#fft
fft_y = fft(y)
abs_y = np.abs(fft_y) # 取复数的绝对值，即复数的模(双边频谱)
plt.figure()
plt.plot(x, abs_y)
plt.title('双边振幅谱（未归一化）')
#ifft
ifft_y = ifft(fft_y)
plt.figure()
plt.plot(x, ifft_y)
plt.title('从频域经过ifft变回时域')
plt.show()
def apart_frequence(cnt, count, input):
"""
:param cnt: encoder的层数
:param count: 第几层
:param input:
:return:
"""
input = input.cpu()
# sequence_len为采样频率
fs = input.shape[1]
interval = fs//cnt
y = input[0, :fs, 0].view(-1)
y = y.detach().numpy()
fl = count * interval
fh = fl + interval
#滤波
wn1 = 2 * fl / fs
wn2 = 2 * fh / fs
if count==0:
b, a = signal.butter(8, wn2, 'lowpass') # 配置滤波器 8 表示滤波器的阶数
y_out = signal.filtfilt(b, a, y) # data为要过滤的信号
elif count==cnt-1:
b, a = signal.butter(8, wn1, 'highpass') # 配置滤波器 8 表示滤波器的阶数
y_out = signal.filtfilt(b, a, y) # data为要过滤的信号
else:
b, a = signal.butter(8, [wn1,wn2], 'bandpass') #配置滤波器 8 表示滤波器的阶数
y_out = signal.filtfilt(b, a, y) #data为要过滤的信号
return y_out#滤波后的序列
# 采样点选择1400个，因为设置的信号频率分量最高为600赫兹，根据采样定理知采样频率要大于信号频率2倍，所以这里设置采样频率为1400赫兹（即一秒内有1400个采样点，一样意思的）
# x = np.linspace(0, 1, 1400)
#
# # 设置需要采样的信号，频率分量有200，400和600
# y = 7 * np.sin(2 * np.pi * 200 * x) + 5 * np.sin(2 * np.pi * 400 * x) + 3 * np.sin(2 * np.pi * 600 * x)
# plt.figure()
# plt.plot(x, y)
# plt.title('原始波形')
#
# fft_y=fft(y) #快速傅里叶变换
# print(len(fft_y))
# print(fft_y[0:5])
# N = 1400
# x = np.arange(N) # 频率个数
#
# abs_y = np.abs(fft_y) # 取复数的绝对值，即复数的模(双边频谱)
#
# # plt.figure()
# # plt.plot(x, abs_y)
# # plt.title('双边振幅谱（未归一化）')
#
# ifft_y = ifft(fft_y)
# plt.figure()
# plt.plot(x, ifft_y)
# plt.title('双边频谱ifft',fontsize=9, color='blue')
#
# fs = 1400
# fl = 500
# fh = 650
# wn1 = 2*fl/fs
# wn2 = 2*fh/fs
# b, a = signal.butter(8, wn1, 'highpass') #配置滤波器 8 表示滤波器的阶数
# y_out = signal.filtfilt(b, a, y) #data为要过滤的信号
#
# plt.figure()
# plt.plot(x, y_out)
# plt.title('带阻双边振幅谱（未归一化）')
#
# yout_fft = fft(y_out)
# abs_yout = np.abs(yout_fft)
# plt.figure()
# plt.plot(x, abs_yout)
# plt.title('双边振幅谱（未归一化）')
# plt.show()
#
# ifft_y = ifft(yout_fft)
# plt.figure()
# plt.plot(x, ifft_y)
# plt.title('双边频谱ifft',fontsize=9, color='blue')
# plt.show()
# ifft_half_y = ifft(fft_y[range(int(N/2))])
# half_x = x[range(int(N/2))]
# plt.figure()
# plt.plot(half_x,ifft_half_y)
# plt.title('单边频谱ifft', fontsize=9, color='red')
# normalization_y=abs_y/N #归一化处理（双边频谱）
# plt.figure()
# plt.plot(x,normalization_y,'g')
# plt.title('双边频谱(归一化)',fontsize=9,color='green')
# plt.show()
#
# half_x = x[range(int(N/2))] #取一半区间
# normalization_half_y = normalization_y[range(int(N/2))] #由于对称性，只取一半区间（单边频谱）
# plt.figure()
# plt.plot(half_x,normalization_half_y,'b')
# plt.title('单边频谱(归一化)',fontsize=9,color='blue')
# plt.show()