用python写一段对一个复合波进行傅里叶时频变换的程序然后再进行傅里叶反变换

这里是一份使用Python实现对复合波进行傅里叶时频变换和傅里叶反变换的代码：

import numpy as np
import matplotlib.pyplot as plt

# 定义复合波
fs = 1000  # 采样频率
t = np.arange(0, 1, 1/fs)  # 时间序列
f1 = 10  # 基频1
f2 = 50  # 基频2
f3 = 100  # 基频3
x = np.sin(2*np.pi*f1*t) + 0.5*np.sin(2*np.pi*f2*t) + 0.2*np.sin(2*np.pi*f3*t)

# 进行傅里叶变换
X = np.fft.fft(x)
freq = np.fft.fftfreq(len(x), 1/fs)

# 绘制时域和频域波形
fig, ax = plt.subplots(2, 1, figsize=(6, 6))
ax[0].plot(t, x)
ax[0].set_xlabel('Time (s)')
ax[0].set_ylabel('Amplitude')
ax[0].set_title('Time-domain waveform')
ax[1].plot(freq, np.abs(X))
ax[1].set_xlabel('Frequency (Hz)')
ax[1].set_ylabel('Magnitude')
ax[1].set_title('Frequency-domain waveform')
plt.tight_layout()
plt.show()

# 进行傅里叶反变换
x_new = np.fft.ifft(X)
t_new = np.arange(0, len(x), 1) / fs

# 绘制反变换后的时域波形
fig, ax = plt.subplots(1, 1, figsize=(6, 3))
ax.plot(t_new, x_new.real)
ax.set_xlabel('Time (s)')
ax.set_ylabel('Amplitude')
ax.set_title('Time-domain waveform after inverse Fourier transform')
plt.tight_layout()
plt.show()

在上面的代码中，我们首先定义了一个复合波，包括三个基频分别为10Hz、50Hz和100Hz的正弦波。然后使用np.fft.fft()函数进行傅里叶变换，得到频域波形和对应的频率轴。我们使用plt.subplots()函数创建了一个2x1的子图，分别绘制时域和频域波形。

接着，我们使用np.fft.ifft()函数进行傅里叶反变换，得到反变换后的时域波形，并使用plt.subplots()函数创建了一个1x1的子图绘制反变换后的时域波形。

最后，我们使用plt.show()函数显示绘制的图形。你可以运行这段代码，查看程序的输出结果。