如何用Python绘制基于Tanh的锥化函数傅里叶变换图？

首先修正你提供的锥化函数代码中的错误：tanh_taper_inverted函数里的elif N/2 < n < N:语句中，变量n应为x，否则会触发未定义变量的报错。

以下是完整的实现步骤：

1. 导入依赖库 #

需要用到数学计算、数值处理和绘图的工具库：

import math
import numpy as np
import matplotlib.pyplot as plt

2. 修正后的锥化函数 #

def tanh_taper(N, x, c):
    if x < 0:
        v = 0.0
    elif 0 <= x <= N/2:
        v = math.tanh(c * x)
    elif N/2 < x < N:
        v = math.tanh(-c * x + N * c)
    else:
        v = 0.0
    return v

def tanh_taper_inverted(N, x, c):
    if x < 0:
        v = 1.0
    elif 0 <= x <= N/2:
        v = math.tanh(-c * x) + 1.0
    elif N/2 < x < N:
        v = math.tanh(c * x - N * c) + 1.0
    else:
        v = 1.0
    return v

3. 生成离散采样数据 #

设定窗口长度N和锥化陡峭程度参数c，生成对应采样点的函数值：

N = 256  # 窗口的离散采样点数
c = 0.1  # 控制锥化边缘的陡峭程度，值越大边缘越陡

# 生成0到N-1的离散采样位置
x_samples = np.arange(N)

# 计算两个锥化函数的采样值数组
taper_vals = np.array([tanh_taper(N, x, c) for x in x_samples])
taper_inv_vals = np.array([tanh_taper_inverted(N, x, c) for x in x_samples])

4. 计算傅里叶变换并处理结果 #

用FFT计算频域特性，转换为dB幅度谱并截取对称的前半部分：

# 计算FFT并提取幅度
fft_taper = np.fft.fft(taper_vals)
fft_taper_amp = np.abs(fft_taper)
# 转换为dB（加微小值避免log(0)报错）
fft_taper_db = 20 * np.log10(fft_taper_amp + 1e-10)

fft_inv_taper = np.fft.fft(taper_inv_vals)
fft_inv_taper_amp = np.abs(fft_inv_taper)
fft_inv_taper_db = 20 * np.log10(fft_inv_taper_amp + 1e-10)

# 生成归一化频率轴，只取前半部分（0到Nyquist频率）
freq_axis = np.fft.fftfreq(N)[:N//2]
fft_taper_db_half = fft_taper_db[:N//2]
fft_inv_taper_db_half = fft_inv_taper_db[:N//2]

5. 绘制频域图 #

用matplotlib绘制和维基百科风格一致的傅里叶变换幅度谱：

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

# 绘制常规Tanh锥化函数的频域图
plt.subplot(1, 2, 1)
plt.plot(freq_axis, fft_taper_db_half)
plt.title('Tanh锥化函数傅里叶变换（dB）')
plt.xlabel('归一化频率')
plt.ylabel('幅度（dB）')
plt.grid(True)

# 绘制反转Tanh锥化函数的频域图
plt.subplot(1, 2, 2)
plt.plot(freq_axis, fft_inv_taper_db_half)
plt.title('反转Tanh锥化函数傅里叶变换（dB）')
plt.xlabel('归一化频率')
plt.ylabel('幅度（dB）')
plt.grid(True)

plt.tight_layout()
plt.show()

额外说明 #

• 归一化频率范围为0到0.5，对应离散信号的Nyquist频率，是FFT频域图的标准展示方式
• 转换为dB刻度可以更清晰地观察旁瓣的衰减特性，和维基百科中窗函数的频域图风格匹配
• 调整N（窗口长度）和c（锥化陡峭度）可以观察不同参数对频域特性的影响

内容的提问来源于stack exchange，提问作者Juha P