問題描述：

有時(shí)需要把兩個(gè)實(shí)數(shù)矩陣，一個(gè)作為實(shí)部，一個(gè)作為虛部，合并為一個(gè)復(fù)數(shù)矩陣，該如何操作？

解決辦法：

假如是在第二個(gè)維度上進(jìn)行合并(real: Data[:, 0, :, :] imag: Data[:, 1, :, :])，有兩種方法

第一種、

result = Data[:, 0, :, :] + 1j*Data[:, 1, :, :]

第二種、

result = 1j*Data[:, 1, :, :]
result += Data[:, 0, :, :]

第二種方法更節(jié)省內(nèi)存~

補(bǔ)充：python numpy 分離與合并復(fù)數(shù)矩陣實(shí)部虛部的方法

在進(jìn)行數(shù)字信號(hào)處理的過程中，我們往往有對(duì)短時(shí)傅里葉變換頻譜(spectrogram)進(jìn)行分析的需求。

常見的分析手段對(duì)應(yīng)歐拉公式分為兩種，要么使用模與相位的形式，要么使用實(shí)部虛部。

本文分享一個(gè)簡單的將復(fù)數(shù)光譜圖分解為實(shí)部與虛部以及將兩個(gè)部分重新合并為一個(gè)復(fù)數(shù)矩陣的過程，以下為python代碼。

import numpy as np
import librosa
# load the original wav
test_wave, _ = librosa.load("../RecFile_1_20200617_153719_Sound_Capture_DShow_5_monoOutput1.wav", sr=44100)
# calculate the complex spectrogram stft
spectrogram_test_wav = librosa.stft(test_wave, n_fft=735*2, win_length=735*2, hop_length=735)
# calculate the real part of the spectrogram
real_spectrogram = spectrogram_test_wav.real
# calculate the imaginary part of the spectrogram
imaginary_spectrogram = spectrogram_test_wav.imag
# combine these two parts
reconstruction_spectrogram = real_spectrogram + 1j * imaginary_spectrogram
print(np.array_equal(spectrogram_test_wav, reconstruction_spectrogram))

其中l(wèi)ibrosa庫為常用的音頻處理庫。

上述代碼實(shí)現(xiàn)了對(duì)wavfile進(jìn)行短時(shí)傅里葉變換，分離出實(shí)部虛部并重新合并的過程。

最終的輸出為True, 證明了經(jīng)過這些步驟過后，重構(gòu)的復(fù)數(shù)矩陣與初始的光譜圖是一致的。

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持本站。

香港服務(wù)器租用

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。