700字范文 > matlab——FFT傅里叶快速变换

matlab——FFT傅里叶快速变换

时间：2024-03-19 22:06:50

相关推荐

matlab——FFT傅里叶快速变换

一、自身的理解与补充

二、其他参考链接

一、转载：/u013215903/article/details/48091359

FFT是Fast Fourier Transform(快速傅里叶变换)的简称，这种算法可以减少计算DFT（离散傅里叶变换，关于此更详细的说明见后文）的时间，大大提高了运算效率，并曾经一度被认为是信号分析技术划时代的进步，其重要性由此可见一斑。闲话少叙，言归正传。

基于FFT在信号分析中的重要性，其必然会成为MATLAB的座上宾。FFT算法在MATLAB中实现的函数是Y=fft(x,n)。刚接触频谱分析用到FFT时，几乎都会对MATLAB的fft函数产生一些疑惑，本文本着从问题出发的原则，主要着手对一下几个问题进行解释：

（一）fft函数计算得到的Y是输入信号x的频谱吗？如果不是还要经过怎样的变换？为什么要除以N。

（二）如何计算Y对应的频率f，并绘制（f,Y）频谱图？

（三）如何根据离散信号的长度确定n的数值？

下面以MATLAB帮助文档中的例子来一一看这几个问题。

1、关于问题（一）

程序（1）处为何要除以信号的采样长度L？

由Fourier变换对

可知，fft函数直接计算得到的X（k）并不是频谱幅值。

在x(j)的Fourier级数（3）中，谐波分量

对应的幅值为X(k)/N，因此必须对fft得到的结果除以离散信号的长度N才能得到频谱幅值。

2、关于问题（三）

程序（1）处，fft函数的第二个参数NFFT为何取值

NFFT = 2^nextpow2(L);

其含义是取不小于L的最小的2的幂。之所以这样取值是因为FFT算法要求信号的长度为2的幂，当NFFT大于信号长度时，fft函数以零补齐。

由（2）可知幅值谱只取了前半部分，并且还要乘以倍数2。也就是说频谱幅值是

2*abs(Y(1:NFFT/2+1))

这是因为信号的频谱是前后对称的，而且一般负频率没有物理意义。也就是说绝对值相等的频率，其对应的频率幅值是相等的，所以把正频率对应的频率幅值的两倍作为频谱幅值。

3、关于问题（二）

由离散傅里叶变换（DFT）的推导过程可知，如果信号的时间长度是T0，则用DFT进行频谱分析的频率分辨率是1/T0。由于fft函数取信号的长度是NFFT，采样频率是Fs，由此可知fft的频率分辨率是Fs/NFFT。因此与频谱幅值

2*abs(Y(1:NFFT/2+1))

相对应的频率值是

f=1/(NFFT*T)*(0:NFFT/2);

或者

f = Fs/2*linspace(0,1,NFFT/2+1);

以上是转载自：

————————————————

二、自身的理解与补充：

function FFT(Fs)%FFT 用于对函数进行快速傅里叶变换，其中参数有：Fs--采样频率，即每秒选取的信息样本个数，Hz；L--信号长度，即有多少个采样周期，也叫采样点的数目；x--需要进行傅里叶变换的函数% 本例中添加了噪声为零平均值的随机噪声L=1000;%信号长度T=1/Fs;%采样周期采样时间,单位为st=(0:L-1)*T;%每个采样点采样时的时刻,单位为sx = 0.7*sin(2*pi*50*t)+sin(2*pi*120*t);y=x+2*randn(size(t));%给需要傅里叶变换的函数x添加了随机噪声figure(1)%创建一个新的绘图窗口plot(1000*t(1:50),y(1:50))%将时间单位换算成毫秒，绘制加了噪声的原始函数与时间的图像title("x+零平均值噪声信号")xlabel("y(t)")ylabel("time(ms)")%以上是对原信号进行绘制，下面是对信号进行傅里叶变换后再绘制变换后的图像NFFT=2^nextpow2(L);%nextpow2函数是求以2为底的指数的函数，2^a>=L,通过这样来使得采样的点数为2的幂次方的数，从而加快傅里叶变换的速度%若NFFT>L,零填充到NFFT长度Y = fft(y,NFFT)/L;%求函数y的L点一维快速傅里叶变换(1)f = Fs/2*linspace(0,1,NFFT/2+1);%(2)figure(2)plot(f,2*abs(Y(1:NFFT/2+1))) % (3)title("频谱图")xlabel("频率Hz")ylabel("幅值|Y(f)|")end

1.为什么在（2处加1）？

答：

不加1的情况

加1的情况