FFT噪声频率去除

FFT噪声频率去除是一种常用的信号处理方法，它可以通过傅里叶变换将信号从时域转换到频域，然后通过去除频域中的噪声频率成分来实现去噪。

下面是一个简单的Python代码示例，演示了如何使用FFT进行噪声频率去除：

import numpy as np
from scipy.fft import fft, ifft

# 生成含噪声的信号
fs = 1000  # 采样频率
t = np.arange(0, 1, 1/fs)  # 时间序列
f1 = 50  # 基频
f2 = 120  # 噪声频率
signal = np.sin(2*np.pi*f1*t) + 0.5*np.sin(2*np.pi*f2*t)  # 含噪声的信号

# 进行FFT变换
fft_signal = fft(signal)

# 计算频率轴
freqs = np.fft.fftfreq(len(signal), 1/fs)  # 频率轴

# 找到噪声频率的索引
noise_freq_idx = np.abs(freqs - f2).argmin()

# 将噪声频率对应的FFT系数置零
fft_signal[noise_freq_idx] = 0

# 进行逆FFT变换
filtered_signal = ifft(fft_signal)

# 绘制原始信号和去噪后信号的时域波形
import matplotlib.pyplot as plt

plt.subplot(2, 1, 1)
plt.plot(t, signal)
plt.title('Original Signal')

plt.subplot(2, 1, 2)
plt.plot(t, filtered_signal.real)
plt.title('Filtered Signal')

plt.tight_layout()
plt.show()

在这个例子中，我们首先生成了一个包含噪声的信号，然后使用FFT函数对信号进行傅里叶变换。接着，我们计算频率轴，并找到噪声频率对应的索引。然后将该索引对应的FFT系数置零，相当于将噪声频率从频域中去除。最后，使用ifft函数对去噪后的FFT系数进行逆傅里叶变换，得到去噪后的信号。

通过运行上述代码，您将得到一个包含噪声的原始信号和经过FFT去噪后的信号的时域波形图。