Теорема Парсеваля в Python
Я пытаюсь получить некоторое представление о функциональности fft в Python, и одна из странных вещей, на которые я наткнулся, заключается в том, чтоТеорема Парсеваля Похоже, что это не применимо, так как теперь оно дает разницу около 50, а должно быть 0.
import numpy as np
import matplotlib.pyplot as plt
import scipy.fftpack as fftpack
pi = np.pi
tdata = np.arange(5999.)/300
dt = tdata[1]-tdata[0]
datay = np.sin(pi*tdata)+2*np.sin(pi*2*tdata)
N = len(datay)
fouriery = abs(fftpack.rfft(datay))/N
freqs = fftpack.rfftfreq(len(datay), d=(tdata[1]-tdata[0]))
df = freqs[1] - freqs[0]
parceval = sum(datay**2)*dt - sum(fouriery**2)*df
print parceval
plt.plot(freqs, fouriery, 'b-')
plt.xlim(0,3)
plt.show()
Я почти уверен, что это нормализующий фактор, но я не могу его найти, так как вся информация, которую я могу найти об этой функции,документация scipy.fftpack.rfft.