數(shù)字信號(hào)處理沒(méi)有Matlab？用Python一樣很爽

通常，在數(shù)字信號(hào)處理時(shí)，我們避不開(kāi)matlab這個(gè)工具，因其它的強(qiáng)大的功能受到廣大工程師的好評(píng)，也一直都是業(yè)界的不二之選。但是，matlab畢竟是商業(yè)軟件，公司里如果使用的話，就需要支付高昂的費(fèi)用。即使公司購(gòu)買(mǎi)了商業(yè)版本，也不會(huì)每個(gè)人都能隨時(shí)使用，這對(duì)我們平時(shí)的工作和學(xué)習(xí)將會(huì)帶來(lái)很多的不便之處。

不過(guò)，除了Matlab外，還有什么不錯(cuò)的工具推薦呢？在這里為大家推薦的是一直很受歡迎的Python。對(duì)Python有所了解的同學(xué)就會(huì)知道，Python擁有豐富的第三方庫(kù)，涉及到各個(gè)領(lǐng)域。應(yīng)該說(shuō)，沒(méi)有你不知道的，只有你想不到的，它通通都有。在科學(xué)研究和數(shù)據(jù)處理上，它的應(yīng)用非常的廣泛。而且，他們通通都是免費(fèi)的。是不是很誘人？不過(guò)，按照Python后，需要我們根據(jù)需求自己手動(dòng)安裝相關(guān)的第三方庫(kù)，今天和大家一起學(xué)習(xí)下如何使用Python替代matlab進(jìn)行數(shù)字信號(hào)處理。

numpy是一個(gè)支持多維度的數(shù)組和矩陣運(yùn)算庫(kù)，并包含了大量的數(shù)學(xué)函數(shù)庫(kù)，其科學(xué)數(shù)值運(yùn)算較為高效，而被廣泛應(yīng)用于各種工程研發(fā)中。安裝命令如下：

python -m pip install numpy

如下圖，出現(xiàn)安裝成功的提示即可。

我們使用numpy寫(xiě)個(gè)代碼試試吧。

import numpy as np
import numpy.matlib

n1 = np.zeros((3,4), dtype=int) #創(chuàng)建數(shù)組并初始化為0
print("n1 = ")
print(n1)

print(" ---------- ")

n2 = np.ones((3,3), dtype=int) #創(chuàng)建數(shù)據(jù)并初始化為1
print("n2 = ")
print(n2)
print("n2 * n2 = ")
print(n2 * n2)

print(" ---------- ")

print("n3 = ")
n3 = np.matlib.zeros((3,4), dtype=int) #創(chuàng)建矩陣并初始化為0
print(n3)

print(" ---------- ")

n4 = np.matlib.ones((3,3), dtype=int) #創(chuàng)建矩陣并初始化為1
print("n4 = ")
print(n4)
print("n4 * n4 = ")
print(n4*n4)

代碼運(yùn)行的結(jié)果如下，上面的示例中，n1和n2是兩個(gè)數(shù)組，而n3和n4是兩個(gè)矩陣，不過(guò)，矩陣庫(kù)在numpy.matlab中。這里初始化我們用到了zeros和ones函數(shù)，是不是和之前學(xué)習(xí)的C++的Eigen庫(kù)類(lèi)似？

matplotlib是一個(gè)風(fēng)格類(lèi)似matlab的繪圖庫(kù)，有著豐厚的圖表繪制功能，并且和matlab有著相似的函數(shù)，對(duì)于熟悉matlab的同學(xué)可以無(wú)縫切入。安裝命令如下：

python -m pip install matplotlib

到這里我們已經(jīng)安裝了numpy和matplotlib這兩個(gè)庫(kù)，我們?cè)俳Y(jié)合numpy畫(huà)個(gè)曲線看看，例如：y=3x+2。

import numpy as np
from matplotlib import pyplot as plt

x = np.arange(0, 10)
y = 3*x + 2
print("x=")
print(x)

print("y=")
print(y)

plt.plot(x, y)
plt.title("y = 3x + 2")
plt.show()

終端輸出x,y的值：

關(guān)于x,y的曲線圖：

scipy是一個(gè)開(kāi)源的科學(xué)計(jì)算庫(kù)，主要有最優(yōu)化、線性代數(shù)、積分、插值、擬合、特殊函數(shù)、快速傅里葉變換、信號(hào)處理、圖像處理、常微分方程求解器等功能。安裝命令如下：

python -m pip install scipy

scipy庫(kù)比上面兩個(gè)要大一些，下載速度可能較慢，同學(xué)們請(qǐng)耐心等待。

按照慣例，這里可以上代碼了，我們結(jié)合上面的numpy和matplotlib庫(kù)寫(xiě)個(gè)正弦信號(hào)和正弦信號(hào)的傅立葉變換的例子。

import numpy as np
from matplotlib import pyplot as plt
import scipy as sci

fs = 100 # 采樣率
N = 256 # 數(shù)據(jù)點(diǎn)數(shù)
n = np.linspace(0,N-1,N)
print(n)

t = n / fs #時(shí)間序列

x = 0.5 * np.sin(2*np.pi*15*t) + 2*np.sin(2*np.pi*40*t) #實(shí)信號(hào)

y1 = sci.fft.fft(x, N) #信號(hào)傅立葉變換
y2 = sci.fft.fftshift(y1)

mag1 = abs(y1) #對(duì)信號(hào)取模求振幅
mag2 = abs(y2)

f1 = n * fs / N #頻率序列
f2 = n * fs / N - fs/2

plt.subplot(3,1,1)
plt.title("usual FFT")
plt.xlabel("freq/Hz")
plt.ylabel("Amp")
plt.plot(f1, mag1) #隨頻率變化的振幅

plt.subplot(3,1,2)
plt.title("FFT without fftshift")
plt.xlabel("Freq/Hz")
plt.ylabel("Amp")
plt.plot(f2, mag1) #隨頻率變化的振幅

plt.subplot(3,1,3)
plt.title("FFT after fftshift")
plt.xlabel("Freq/Hz")
plt.ylabel("Amp")
plt.plot(f2, mag2) #隨頻率變化的振幅

plt.show()

執(zhí)行結(jié)果如下：

當(dāng)然，我們還可以用命令查看我們安裝了哪些庫(kù)。

python -m pip list

以上，這三個(gè)庫(kù)是平時(shí)數(shù)字信號(hào)處理用到的非常重要的三個(gè)庫(kù)。是不是已經(jīng)心動(dòng)了？大家趕快動(dòng)手試下吧！