Pythonda raqamli signalni qayta ishlash dsp haqida o'ylang

101
8.7. Samarali avtokorrelyatsiya
Biz buni oynani ys bilan bir xil uzunlikda to'ldirish va keyin konvolyutsiyani hisoblash orqali sinab
ko'rishimiz mumkin: padded = zero_pad(window, N) smoothed2 = fft_convolve(ys, padded)
def fft_convolve(signal, oyna): fft_signal =
fft(signal) fft_window = fft(oyna) qaytish
ifft(fft_signal * fft_window)
8.7 Samarali avtokorrelyatsiya
Machine Translated by Google

---

2000000
1500000
3500000
0
2500000
400 300 200 100
3000000
100 200 300 400
1000000
Kechikish
Mode='bir xil' bo'lganda, natija ÿN/2 dan N/2 ÿ 1 gacha bo'lgan kechikishlarga to'g'ri
keladigan yaqin bilan bir xil uzunlikka ega. 8.8-rasmdagi kulrang chiziq natijani ko'rsatadi.
qaytish korrs
Shuni ham yodda tutingki, konvolyutsiya oynaning yo'nalishini o'zgartiradi. Ushbu
effektni bekor qilish uchun biz NumPy massivini aylantiruvchi np.flipud yordamida
fft_convolve ga qo'ng'iroq qilishdan oldin oyna yo'nalishini o'zgartiramiz. Natija nusxa
emas, massivning ko'rinishidir, shuning uchun bu operatsiya tezdir. def
fft_autocorr(signal): N = len(signal) signal = thinkdsp.zero_pad(signal, 2*N) oyna =
np.flipud(signal)
8.8-rasm: NumPy va fft_correlate tomonidan hisoblangan avtokorrelyatsiya funksiyalari.
102
corrs = fft_convolve(signal, window) corrs =
np.roll(corrs, N//2+1)[:N]
Konvolyutsiyadan foydalangan holda avtokorrelyatsiyani hisoblash uchun uzunlikni
ikki baravar oshirish uchun signalni nolga tushirishimiz kerak. Bu hiyla zarur, chunki
FFT signalning davriy ekanligi haqidagi taxminga asoslanadi; ya'ni oxiridan boshigacha
o'raladi. Bu kabi vaqt seriyali ma'lumotlar bilan bu taxmin noto'g'ri. Nollarni qo'shish va
keyin natijalarni kesish soxta qiymatlarni olib tashlaydi.