Fourier-transzformáció

Az alábbi kód bemutatja, hogyan generálhatunk egy 

összetett jelet, majd végezhetünk rajta Fourier-transzformációt.

-----------

import numpy as np

import matplotlib.pyplot as plt

# 1. Időtartomány beállítása

mintavetelezesi_frekvencia = 1000  # Hz

T = 1.0  # Teljes időtartam (másodperc)

t = np.linspace(0, T, int(mintavetelezesi_frekvencia * T), endpoint=False)

# 2. Összetett jel generálása

frekvencia1 = 50

frekvencia2 = 120

jel = np.sin(2 * np.pi * frekvencia1 * t) + 0.5 * np.sin(2 * np.pi * frekvencia2 * t)

# 3. Fourier-transzformáció végrehajtása

jel_fft = np.fft.fft(jel)

frekvenciak = np.fft.fftfreq(len(jel), 1 / mintavetelezesi_frekvencia)

# 4. Csak a pozitív frekvenciák megtartása

pozitiv_frekvenciak = frekvenciak[:len(frekvenciak)//2]

amplitudok = 2.0 / len(jel) * np.abs(jel_fft[:len(jel_fft)//2])

# 5. Eredmény kiírása

top_indexek = np.argsort(amplitudok)[-5:][::-1]

print("Legnagyobb FFT csúcsok:")

for i in top_indexek:

    print(f"{pozitiv_frekvenciak[i]:.1f} Hz -> {amplitudok[i]:.3f}")

# 6. Ábrázolás

plt.figure(figsize=(12, 6))

plt.subplot(2, 1, 1)

plt.plot(t[:200], jel[:200])

plt.title("Eredeti jel az időtartományban")

plt.xlabel("Idő (s)")

plt.ylabel("Amplitúdó")

plt.subplot(2, 1, 2)

plt.plot(pozitiv_frekvenciak, amplitudok)

plt.title("Frekvenciaspektrum (FFT)")

plt.xlabel("Frekvencia (Hz)")

plt.ylabel("Amplitúdó")

plt.grid(True)

plt.tight_layout()

plt.show()

-------------

Legnagyobb FFT csúcsok:

50.0 Hz -> 1.000

120.0 Hz -> 0.500

119.0 Hz -> 0.000

121.0 Hz -> 0.000

128.0 Hz -> 0.000