問題描述：
有時需要把兩個實(shí)數(shù)矩陣，一個作為實(shí)部，一個作為虛部，合并為一個復(fù)數(shù)矩陣，該如何操作？
解決辦法：
假如是在第二個維度上進(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)字信號處理的過程中，我們往往有對短時傅里葉變換頻譜(spectrogram)進(jìn)行分析的需求。
常見的分析手段對應(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部分重新合并為一個復(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wavfile進(jìn)行短時傅里葉變換，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。
以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:- python中復(fù)數(shù)的共軛復(fù)數(shù)知識點(diǎn)總結(jié)
- python列表返回重復(fù)數(shù)據(jù)的下標(biāo)
- python print出共軛復(fù)數(shù)的方法詳解
- Python對多屬性的重復(fù)數(shù)據(jù)去重實(shí)例
- Python3 實(shí)現(xiàn)隨機(jī)生成一組不重復(fù)數(shù)并按行寫入文件
- Python復(fù)數(shù)屬性和方法運(yùn)算操作示例
- 淺談Python 中的復(fù)數(shù)問題
