数字信号处理Python示例（2-2）脉冲序列函数的频域视图

    # 导入必要的库
    import numpy as np       # numpy用于数学计算
    import matplotlib.pyplot as plt  # 用于绘图
    from scipy.fft import fft, fftshift  # 用于信号处理
    
    # 步骤 1: 生成梳状函数
    Fs = 100  # 采样频率
    t = np.arange(0, 1, 1/Fs)  # 时间向量，从0到1秒，步长为1/Fs
    f = np.linspace(-Fs/2, Fs/2, len(t), endpoint=False)  # 频率向量
    
    # 定义梳状函数c1的周期T1
    T1 = 0.1
    c1 = np.zeros(len(t))  # 初始化c1为全零数组
    c1[::int(Fs * T1)] = 1  # 每隔Fs*T1个采样点设置一个元素为1
    
    # 定义梳状函数c2的周期T2
    T2 = 0.05
    c2 = np.zeros(len(t))  # 初始化c2为全零数组
    c2[::int(Fs * T2)] = 1  # 每隔Fs*T2个采样点设置一个元素为1
    
    # 步骤 2: 对梳状函数进行傅里叶变换
    C1 = fftshift(fft(c1))  # 对c1进行傅里叶变换
    C2 = fftshift(fft(c2))  # 对c2进行傅里叶变换
    
    # 步骤 3: 绘制结果
    plt.subplot(2, 2, 1)  # 创建一个2x2的子图网格，并选择第一个子图
    plt.stem(t, c1)  # 绘制c1的时间域图像
    plt.xlabel('时间')
    plt.ylabel('幅度')
    plt.title('$c_1(t)$')
    plt.grid(True)
    
    plt.subplot(2, 2, 2)
    plt.plot(f, np.abs(C1)/len(t))  # 绘制C1的频域图像并归一化幅度
    plt.xlabel('频率')
    plt.ylabel('幅度')
    plt.title('$|C_1(f)|$')
    plt.grid(True)
    
    plt.subplot(2, 2, 3)
    plt.stem(t, c2)  # 绘制c2的时间域图像
    plt.xlabel('时间')
    plt.ylabel('幅度')
    plt.title('$c_2(t)$')
    plt.grid(True)
    
    plt.subplot(2, 2, 4)
    plt.plot(f, np.abs(C2)/len(t))  # 绘制C2的频域图像并归一化幅度
    plt.xlabel('频率')
    plt.ylabel('幅度')
    plt.title('$|C_2(f)|$')
    plt.grid(True)
    
    plt.tight_layout()  # 自动调整子图参数，使之填充整个图像区域
    plt.show()  # 显示图形