信号处理实战:用Python和SciPy探索傅里叶与Laplace变换的工程应用
在数字信号处理领域,傅里叶变换和Laplace变换就像工程师的"瑞士军刀"——它们能将复杂的时域信号转换为更易分析的频域表示。但对于初学者来说,这些数学工具常常显得抽象难懂。本文将带你用Python代码亲手"触摸"这些变换,通过可视化演示和实际案例,让理论变得直观可操作。
1. 环境准备与基础概念
工欲善其事,必先利其器。我们首先配置Python环境并理解核心概念:
python复制# 安装必要库(如果尚未安装)
!pip install numpy scipy matplotlib ipywidgets
# 导入标准工具包
import numpy as np
import matplotlib.pyplot as plt
from scipy.fft import fft, fftfreq
from scipy.integrate import quad
from scipy.signal import convolve
%matplotlib inline
傅里叶变换的本质是将时域信号分解为不同频率的正弦波组合,其数学定义为:
$$
F(\omega) = \int_{-\infty}^{\infty} f(t)e^{-j\omega t}dt
$$
而Laplace变换则是傅里叶变换的推广,特别适合分析系统稳定性:
$$
F(s) = \int_{0}^{\infty} f(t)e^{-st}dt, \quad s = \sigma + j\omega
$$
提示:傅里叶变换适用于稳态信号分析,Laplace变换更适合研究系统的瞬态响应和稳定性。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 傅里叶变换实战:从理论到代码
2.1 基本信号的可视化分析
让我们从最简单的正弦波开始,观察其时域和频域表示:
python复制# 生成采样信号
fs = 1000 # 采样率(Hz)
T = 1.0/fs # 采样间隔
t = np.arange(0, 1, T) # 1秒时间轴
# 创建复合信号:5Hz正弦波 + 20Hz余弦波
f1, f2 = 5, 20
signal = 0.5*np.sin(2*np.pi*f1*t) +
