MATLAB快速傅⾥叶变换（fft）函数详解
定义：
The 'i' in the 'Nth root of unity' 是虚数单位
调⽤：
调⽤：
1. Y = fft（y）;
2. Y = fft（y，N）;
式中，y是序列，Y是序列的快速傅⾥叶变换。y可以是⼀向量或矩阵，若y为向量，则Y是y的FFT，并且与y具有相同的长度。若y为⼀矩阵，则Y是对矩阵的每⼀列向量进⾏FFT。
说明：
1. 函数fft返回值的数据结构具有对称性
根据采样定理，fft能分辨的最⾼频率为采样频率的⼀半（即Nyquist频率），函数fft返回值是以Nyqusit频率为轴对称的，Y的前⼀半与后⼀半是复数共轭关系。
2. 幅值
作FFT分析时，幅值⼤⼩与输⼊点数有关，要得到真实的幅值⼤⼩，只要将变换后的结果乘以2除以N即可（但此时零频—直流分量—的幅值为实际值的2倍）。对此的解释是：Y除以N得到双边谱，再乘以2得到单边谱（零频在双边谱中本没有被⼀分为⼆，⽽转化为单边谱过程中所有幅值均乘以2，所以零频被放⼤了）。
3. 基频
若分析数据时长为T，则分析结果的基频就是f0=1/T，分析结果的频率序列为[0:N-1]*f0
4. 执⾏N点FFT
在调⽤格式2中，函数执⾏N点FFT。若y为向量且长度⼩于N，则函数将y补零⾄长度N，若向量y的长度⼤于N，则函数截断y使之长度为N。
注意：
使⽤N点FFT时，若N⼤于向量y的长度，将给频谱分析结果带来变化，应该特别注意。
例⼦：
将对N点FFT进⾏举例，说明当N⼤于向量y的长度时给频谱分析带来的变化。
上图中，左列为信号时域图形，右列为对应信号的频谱图。可以看出当N⼤于向量y的长度时，由于fft⾃动将100s后的信号值补零，原信号实际变为左下⾓的时域图形，所以频率发⽣了变化（增加多种频率的⼩振幅振动，主峰幅值被削弱）。
结论：
使⽤N点FFT时，不应使N⼤于y向量的长度，否则将导致频谱失真。
例⼦程序：
clear all %清除内存所有变量
close all %关闭所有打开的图形窗⼝
%% 执⾏FFT点数与原信号长度相等（100点）
% 构建原信号
N=100; % 信号长度（变量@@@@@@@）
Fs=1; % 采样频率
dt=1/Fs; % 采样间隔
t=[0:N-1]*dt; % 时间序列
xn=cos(2*pi*0.24*[0:99])+cos(2*pi*0.26*[0:99]);
xn=[xn,zeros(1,N-100)]; % 原始信号的值序列
subplot(3,2,1) % 变量@@@@@@@
plot(t,xn) % 绘出原始信号
xlabel('时间/s'),title('原始信号(向量长度为100)') % 变量@@@@@@@
% FFT分析
NN=N; % 执⾏100点FFT
XN=fft(xn,NN)/NN; % 共轭复数，具有对称性
f0=1/(dt*NN); % 基频
f=[0:ceil((NN-1)/2)]*f0; % 频率序列
A=abs(XN); % 幅值序列
subplot(3,2,2),stem(f,2*A(1:ceil((NN-1)/2)+1)),xlabel('频率/Hz') % 绘制频谱（变量@@@@@@@）
axis([0 0.5 0 1.2]) % 调整坐标范围
title('执⾏点数等于信号长度(单边谱100执⾏点)'); % 变量@@@@@@@
%% 执⾏FFT点数⼤于原信号长度
% 构建原信号
N=100; % 信号长度（变量@@@@@@@）
Fs=1; % 采样频率
dt=1/Fs; % 采样间隔
t=[0:N-1]*dt; % 时间序列
xn=cos(2*pi*0.24*[0:99])+cos(2*pi*0.26*[0:99]);
xn=[xn,zeros(1,N-100)]; % 原始信号的值序列
subplot(3,2,3) % 变量@@@@@@@
plot(t,xn) % 绘出原始信号
xlabel('时间/s'),title('原始信号(向量长度为100)') % 变量@@@@@@@
% FFT分析
NN=120; % 执⾏120点FFT（变量@@@@@@@）
XN=fft(xn,NN)/NN; % 共轭复数，具有对称性
f0=1/(dt*NN); % 基频
f=[0:ceil((NN-1)/2)]*f0; % 频率序列
A=abs(XN); % 幅值序列
subplot(3,2,4),stem(f,2*A(1:ceil((NN-1)/2)+1)),xlabel('频率/Hz') % 绘制频谱（变量@@@@@@@）axis([0 0.5 0 1.2]) % 调整坐标范围
title('执⾏点数⼤于信号长度(单边谱120执⾏点)'); % 变量@@@@@@@
%% 执⾏FFT点数与原信号长度相等（120点）
% 构建原信号
N=120; % 信号长度（变量@@@@@@@）
Fs=1; % 采样频率
dt=1/Fs; % 采样间隔
t=[0:N-1]*dt; % 时间序列
xn=cos(2*pi*0.24*[0:99])+cos(2*pi*0.26*[0:99]);
xn=[xn,zeros(1,N-100)]; % 原始信号的值序列
subplot(3,2,5) % 变量@@@@@@@
plot(t,xn) % 绘出原始信号
xlabel('时间/s'),title('原始信号(向量长度为120)') % 变量@@@@@@@
% FFT分析
NN=120; % 执⾏120点FFT（变量@@@@@@@）
XN=fft(xn,NN)/NN; % 共轭复数，具有对称性
f0=1/(dt*NN); % 基频
matlab求傅里叶变换f=[0:ceil((NN-1)/2)]*f0; % 频率序列
A=abs(XN); % 幅值序列
subplot(3,2,6),stem(f,2*A(1:ceil((NN-1)/2)+1)),xlabel('频率/Hz') % 绘制频谱（变量@@@@@@@）axis([0 0.5 0 1.2]) % 调整坐标范围
title('执⾏点数等于信号长度(单边谱120执⾏点)'); % 变量@@@@@@@
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论