MATLAB中fft函数用法、性质、特性、缺陷全面深入解析(含程序)汇编.docx

MATLAB中fft函数用法、性质、特性、缺陷全面深入解析（含程序） 前言 目前网络上在信号处理方面对fft函数使用泛滥，但大多数人根本就不了解它的性能，使用方法也是千奇百怪，各种程序代码鱼龙混杂，乱七八糟，误导了很多人，所以我在这里进行一下全面的演示说明，希望后来人能够少走弯路。 fft 信号处理中获得时域信号的频域的方法叫做傅里叶变换，但教材上的变换都是理论推导的理想、连续、无限情况，在实际的matlab计算中，必须是实际、离散、有限的计算，所以实现起来比较麻烦，需要各种转换。fft函数就是为了实现快速傅里叶变换而设计的计算机算法，与传统傅里叶变换的步骤不完全一样，但通过适当的变换也能够获得时域信号的频域图形。 fft只是数值计算，不是理论推导，所以频域图形肯定有误差，但我们能够通过适当调整变换参数来提高频域图形的精确性。 建议大家能够理论推导的傅里叶变换就直接在纸上推导好了再用matlab直接画出来就是了。所以不是因为fft精确，而是因为fft能够对大数据复杂信号变换计算快，自由度可控制性高，所以使用的人才多。 fft(x)图示 fft的一些定性问题解析 时域信号x有多少个点，fft(x)就有多少个点，这时的fft(x)之所以是对称的，是因为fft的方法是进行周期计算从-2π,2π，所以后面的一半要翻转到负半轴，是负频率。所以有用的是fft(x)的前一半的点。 我是经过各项测试实验，才完全明白fft的性能。 利用程序解释如下： %这里的fft变换有补零 clear all; Fs = 1e3; %这是原始时域信号x的采样频率 multiple=0.6; %x进行fft前的补零倍数，可以增加频率分辨率 time=2; t = 0:1/Fs:time-1/Fs; %这个会影响x的采样点数，当然点数越多，频域越精确越平滑 %x = 1.5*cos(2*pi*100*t)+3*sin(2*pi*202.5*t)+2*sin(2*pi*1250*t); x = 1.5*cos(2*pi*100*t)+3*sin(2*pi*201.25*t); %频率最小分辨率————————————————- x=[x,zeros(1,length(x)*multiple)]; %{ 注意可以通过对x进行补零来增加频率分辨率，只是因为fft的周期性计算方法，需要在 后面对fft(x)后的数据进行幅度值重新计算时，乘以多的零点的倍数，见后面的幅度值计算。 %} %freqres = Fs/length(x); freqres =1/time; %{ x的频率必须是freqres的整数倍时，x的频率才能被正确分辨，也就是相应频域值才能够正 常，比如freqres=1,在频率202.5处的幅度就不正常，当freqres=2时，在频率1001处的幅 度就不正常。 %} %—————————————————— %{ x有多少个点，fft(x)就有多少个点，这时的fft(x)之所以是对称的，-是因为fft的方法是进行 周期计算从[-2π,2π]，所以后面的一半要翻转到负半轴，是负频率。所以有用的是fft(x)的 前一半的点再加上0点。 %} xdft = fft(x); xdft = xdft(1:length(x)/2+1); %————这与fft方法的周期计算方法相关，也就是幅度值要重新计算一下—————— xdft = 1/length(x).*xdft; xdft(2:end-1) = (1+multiple)*2*xdft(2:end-1); %{ 幅度值首先由于周期对称性，需要乘以2，然后由于补零的倍数是multiple，所以是 (1+multiple)*2 %} %重新计算频率横坐标————————————————————————————— freq = 0:Fs/length(x):Fs/2; %{ Fs/2就是最高能够显示出来的频率，但要注意实际上，fft(x)实际是计算出了任何频率， 但是在[Fs/2,Fs]这个区间的频率，是关于Fs/2这里对称的，也就是正负的频率开始混合或者 混叠在一起。而超出了Fs的频率则会由于周期性，它的值先减去Fs后，重新从0点开始。 所以这个程序并不是说画出了在[0,Fs/2]的一定正确的频率，而是可能会出现频率的混合和混叠， 一定要先预判一下频率的区间范围后，再使用fft这个函数。 %} %—————————————————————————— plot(freq,abs(xdft)); %画频域幅度谱 title(频域图); fft的一些定量详细解析与测试 利用程序解释如下： %为了更好的展示，这里信号没有补零 clear all; clc; Fs = 1e3; %这是原始时