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？

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

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(guò)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(jiàn)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(jiǎn)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(guò)程，以下為python代碼。

import numpy as npimport librosa# load the original wavtest_wave, _ = librosa.load('../RecFile_1_20200617_153719_Sound_Capture_DShow_5_monoOutput1.wav', sr=44100)# calculate the complex spectrogram stftspectrogram_test_wav = librosa.stft(test_wave, n_fft=735*2, win_length=735*2, hop_length=735)# calculate the real part of the spectrogramreal_spectrogram = spectrogram_test_wav.real# calculate the imaginary part of the spectrogramimaginary_spectrogram = spectrogram_test_wav.imag# combine these two partsreconstruction_spectrogram = real_spectrogram + 1j * imaginary_spectrogramprint(np.array_equal(spectrogram_test_wav, reconstruction_spectrogram))

其中l(wèi)ibrosa庫(kù)為常用的音頻處理庫(kù)。

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(guò)程。

最終的輸出為T(mén)rue, 證明了經(jīng)過(guò)這些步驟過(guò)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好吧啦網(wǎng)。