FFT-Ergebnisse Matlab VS Numpy (Python): nicht die gleichen Ergebnisse

Question

I ein Matlab-Skript haben die DFT eines Signals und plotten es zu berechnen:

(data here gefunden werden kann)

clc; clear; close all; 

fid = fopen('s.txt'); 
txt = textscan(fid,'%f'); 

s = cell2mat(txt); 

nFFT = 100; 
fs = 24000; 
deltaF = fs/nFFT; 
FFFT = [0:nFFT/2-1]*deltaF; 
win = hann(length(s)); 

sw = s.*win; 
FFT = fft(sw, nFFT)/length(s); 
FFT = [FFT(1); 2*FFT(2:nFFT/2)]; 
absFFT = 20*log10(abs(FFT)); 

plot(FFFT, absFFT) 
grid on 

Ich versuche es in Python zu übersetzen und bekomme nicht das gleiche Ergebnis.

import numpy as np 
from matplotlib import pyplot as pl 

x = np.genfromtxt("s.txt", delimiter=' ') 

nfft = 100 
fs = 24000 
deltaF = fs/nfft; 
ffft = [n * deltaF for n in range(nfft/2-1)] 
ffft = np.array(ffft) 
window = np.hanning(len(x)) 

xw = np.multiply(x, window) 
fft = np.fft.fft(xw, nfft)/len(x) 
fft = fft[0]+ [2*fft[1:nfft/2]] 
fftabs = 20*np.log10(np.absolute(fft)) 

pl.figure() 
pl.plot(ffft, np.transpose(fftabs)) 
pl.grid() 

Die Plots I (Matlab auf der linken Seite, Pyhton auf der rechten Seite) erhalten:

Was mache ich falsch?

Answer 1

Beiden Codes unterscheiden sich in einem Fall, dass Sie zwei Listen

FFT = [FFT(1); 2*FFT(2:nFFT/2)]; 

in dem MATLAB-Code

in den anderen verketten Sie den ersten Wert von fft mit dem Rest des

fft = fft[0]+ [2*fft[1:nfft/2]] 

Vektor hinzufügen

'+' nicht verketten hier, weil Sie numpy Array haben

I n Python, sollte es sein:

fft = fft[0:nfft/2] 
fft[1:nfft/2] = 2*fft[1:nfft/2] 

Answer 2

Ich bin kein Mathlab-Benutzer, also bin ich mir nicht sicher, aber es gibt ein paar Dinge, die ich fragen würde, ob ich Ihnen helfen kann.

Sie haben np.array aufgerufen, nachdem Array erstellt wurde (ffft). Das wird wahrscheinlich nicht die Art der Array ändern, wie Sie es erhofft haben, vielleicht wäre es besser zu versuchen, es innerhalb np.array(n * deltaF for n in range(nfft/2-1)) zu definieren Ich bin mir nicht sicher, die Formatierung, aber Sie bekommen die Idee. Die andere Sache ist, dass die Bandbreite für mich nicht richtig erscheint. Sie möchten, dass es einen Wert von 49 hat?

Eine andere ist die fft = fft[0]+ [2*fft[1:nfft/2]] im Vergleich zu FFT = [FFT(1); 2*FFT(2:nFFT/2)]; Ich bin mir nicht sicher, ob der Vergleich genau ist oder nicht. Es schien mir nur eine andere Art von Definition zu sein.

Auch wenn ich diese Art von Berechnungen mache, drucke ich die Zwischenschritte aus, damit ich die Zahlen vergleichen kann, um zu sehen, wo sie bricht.

Hoffe, das hilft.

Answer 3

Ich fand heraus, dass die Verwendung von np.fft.rfft statt np.fft.fft und Ändern Sie den Code wie folgt macht den Job:

import numpy as np 
from matplotlib import pyplot as pl 

x = np.genfromtxt("../Matlab/s.txt", delimiter=' ') 

nfft = 100 
fs = 24000 
deltaF = fs/nfft; 
ffft = np.array([n * deltaF for n in range(nfft/2+1)]) 
window = np.hanning(len(x)) 

xw = np.multiply(x, window) 
fft = np.fft.rfft(xw, nfft)/len(x) 
fftabs = 20*np.log10(np.absolute(fft)) 

pl.figure() 
pl.plot(np.transpose(ffft), fftabs) 
pl.grid() 

Das resultierende Grundstück: right result with Python

Ich kann sehen, dass der erste und der letzte Punkt sowie die Amplituden nicht gleich sind. Es ist kein Problem für mich (ich interessiere mich mehr für die allgemeine Form), aber wenn jemand es erklären könnte, wäre ich glücklich.