Effiziente Berechnung von Cosinus in Python
Ich generiere einige Zeitreihen aus einer theoretischen Leistungsspektraldichte.
Grundsätzlich ist meine Funktion im Zeit-Raum gegeben durchX(t) = SUM_n sqrt(a_n) + cos(w_n t + phi_n)
, wohera_n
ist der Wert derPSD
zu einem gegebenenw_n
undphi
ist eine zufällige Phase. Um eine realistische Zeitreihe zu erhalten, muss ich zusammenfassen2^25
Modi und meinet
natürlich ist bemessen2^25
auch.
Wenn ich das mit Python mache, wird das einige Wochen dauern ...
Gibt es eine Möglichkeit, dies zu beschleunigen? Wie eine Vektorberechnung?
t_full = np.linspace(0,1e-2,2**12, endpoint = False)
signal = np.zeros_like(t_full)
for i in range(w.shape[0]):
signal += dataCOS[i] * np.cos(2*np.pi* t_full * w[i] + random.uniform(0,2*np.pi))
wobei dataCOS sqrt a_n ist, w = w und random.uniform die zufällige Phasenverschiebung phi darstellt