cupyx.scipy.signal.ZoomFFT#

class cupyx.scipy.signal.ZoomFFT(n, fn, m=None, *, fs=2, endpoint=False)[source]#

创建一个可调用的缩放 FFT 变换函数。

这是对单位圆周围一组等间隔频率的线性调频 Z 变换 (CZT) 的专用化，用于比计算整个 FFT 并截断更有效地计算 FFT 的一部分。 [1]

参数:

n (int) – 信号的大小。
fn (array_like) – 一个长度为 2 的序列 [f1, f2] 表示频率范围，或者一个标量，此时假定范围为 [0, fn]。
m (int, 可选) – 要评估的点数。默认为 n。
fs (float, 可选) – 采样频率。例如，如果 fs=10 表示 10 kHz，那么 f1 和 f2 也将以 kHz 为单位给出。默认采样频率为 2，因此 f1 和 f2 应在 [0, 1] 范围内，以使变换保持在奈奎斯特频率以下。
endpoint (bool, 可选) – 如果为 True，则 f2 是最后一个采样点。否则，不包含 f2。默认为 False。

返回:

f – 可调用对象 f(x, axis=-1)，用于计算 x 的缩放 FFT。

返回类型:

ZoomFFT

另请参阅

注意

默认值的选择使得 f(x, 2) 等同于 fft.fft(x)，并且如果 m > len(x)，则 f(x, 2, m) 等同于 fft.fft(x, m)。

采样频率是 1/dt，即信号 x 中采样点之间的时间步长。单位圆对应于从 0 到采样频率的频率。默认采样频率为 2 意味着 f1、f2 的值（直到奈奎斯特频率）在 [0, 1) 范围内。对于以弧度表示的 f1、f2 值，应使用 2*pi 的采样频率。

请记住，缩放 FFT 只能插值现有 FFT 的点。它无法帮助区分两个分开的邻近频率。频率分辨率只能通过增加采集时间来提高。

这些函数使用 Bluestein 算法实现（scipy.fft 也是如此）。[2]

参考

方法

__call__(x, *, axis=-1)[source]#

计算信号的线性调频 Z 变换。

参数:

返回:

out – 一个与 x 维度相同的数组，但变换轴的长度设置为 m。