1.在Python中实现离散傅里叶变换
在处理录制视频时，发现有背景噪音，如何从音频中去除？ 需要识别噪声的频率，然后过滤出来。 如何确定频率？答案是傅里叶频率。 把信号分解为正弦波和余弦波，然后可以识别每个wave的幅度(amplitude)，频率(frequency)和相位(phase)，绘制每个频率的图像，我们可以隔离对信号贡献度最大的幅度。 在连续函数上的傅里叶变换： \hat{f}(k)=\int_{-\infty}^\infty f(t)e^{-i2\pi kt}dt但在现实中，信号是离散的，因此我们有离散的傅里叶变换(DFT)： X[k]=\sum_{n=0}^{N-1}x[n]e^{-i2\pi\frac{k}{N}n}在这里： $N$是采样数量 $n$是当前样本的序号 $k$是当前频率 $x[n]$是$n$处信号值 $X[k]$是当前$k$对应的DFT 接下来让我们在Python中见证DFT的魔力。 首先导入一些库12import numpy as npimport matplotlib.pyplot as plt 接下来，定义采样速率以定义时间的数组1234567rate = 100 #...
Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post1$ hexo new "My New Post" More info: Writing Run server1$ hexo server More info: Server Generate static files1$ hexo generate More info: Generating Deploy to remote sites1$ hexo deploy More info: Deployment
