关于fft补零提高频率分辨率得讨论.docVIP

关于fft补零提高频率分辨率的讨论 这是一篇值得讨论的问题，作者认为补零fft可以提高频率分辨率，并给出了试验结果，可以看出确实提高了对频率细节的观察能力，本人可以肯定这个试验是真实的试验。但是所有的数字信号教课书上都认为补零fft并不能提高频率分辨率，是不是有矛盾？ 1 从分析角度， 设fs为采样频率，fft长度为N， 那么频率分辨率为fs/N, 如果N增加那么频率分辨率增加。这是下面一篇文章的用的论据。 2 从另一角度，设fs为采样频率，fft长度为N， 则频率分辨率为fs/N, 我们引进另一个概念：时间长度DT（duration of time）, 可以看出DT = 1/频率分辨率.????? 则频率分辨率=1/DT 。从这一角度看只要DT不变，频率分辨率就不会变。因此尽管补零或插值，都不会提高分辨率。这是所有目前信号处理教科书的观点，但这些教科书都没有给出原因，不知道为什么，我发现这个问题是曾经找过不少教科书，没有一本给出原因，问老师也答的含糊不清。后来我反复考虑，感觉应该如此解释，如若有意见，欢迎讨论。 为什么两个角度看竟然矛盾？同样一个问题为什么有不同的解释 从1 我们看出，增加的值全为零，不是原信号内容，这就造成了特殊性，我们的信号变了不是原来信号了！而是新的补零信号的周期延拓。但是可以证明两个信号在对应点上的频谱值相同（直接利用定义即可推出）。至于补零后其它多点处的频谱是否是原信号的内容，这是问题的关键。 事实上，用于实用的方法不是下文里提到的方法，而是利用采样数据抽取，降低采样频率的方法来实现。因为数据长度一般在使用时都是最大长度，尤其是这种应用，肯定已经采用最大数据处理长度，不用问的。 我有一个试验，是多年前和一位同学讨论此类问题的试验，有兴趣的不妨试试. %% 用于检验补零FFT是否提高分辨率 %% 结论： 1。 补零fft提高分辨率是指信号加窗后的合成信号的分辨率。%???? 这种情况下fft可以帮助分辨真实的峰值，但分辨率你可以计算一下应该改是不变的。??? %?????????? 2。 如果信号=加窗后的合成信号?? 提高分辨率，如果加入点为真实的数据，当然提高分辨率。?? %?????????? 4。 提高分辨细节的本质是由于窗的展宽，窗分辨细节率的提高引起的。这是一个用大窗观 察含有小窗信号的小窗的过程。补零而看到的频率细节不是信号本身的细节，而是窗的细节。 ??clear;Nfft=16;span=[0:Nfft-1];omga=[1:3]*pi/8;x=exp(j*omga(1)*span)+exp(j*omga(2)*span)+exp(j*omga(3)*span); stem(pi/Nfft*[0:Nfft-1],abs(fft(x,Nfft)),r); figure(2);stem(pi/Nfft/2*[0:Nfft*2-1],abs(fft(x,Nfft*2)),b); figure(3);stem(pi/Nfft/16*[0:Nfft*16-1],abs(fft(x,Nfft*16)),g); 原文连接：/ART_8800009929_400014_500012_TS.HTM 原文简介： 采用C语言程序处理FFT算法无能为力的扩大频谱的问题 如果你只是对计算小频率范围上的频谱有兴趣，那HRFT可能比FFT更有效。频率范围越窄，HRFT的吸引力就越大。当必须利用有限的存储资源在嵌入式系统中执行运算时，这一点尤为明显。 许多科学和工程应用都要求信号准确的频谱或傅立叶变换。式1以无量纲形式(dimensionless form)给出，其中Ω = ΩT，T是采样间隔，q[n] = q(nT)，代表信号q(t)的第n次采样。该式也假设信号为有限长序列，故总共仅有N 个连续采用点。Q(Ω)是连续变量Ω的周期函数，周期为2e。 常规求解方法是在区间Ω = [0, 2e]内的N个均匀间隔点上计算Q(Ω)的值。这个过程叫做离散傅立叶变换(DFT)，通常利用快速傅利叶变换(FFT)的算法来完成。DFT给出点Ω = 2ek/N (k = 0...N -1)的傅立叶变换，从而按照实际频率给出了Ω=2e/(NT) 或f=1/(NT)的分辨率。对许多应用来说，这种分辨率可能已经足够。 对于某些应用，必须非常准确地确定频谱峰值(spectral peak)的位置。在这种情况下，DFT提供的分辨率可能不够。提高分辨率的方法之一就是简单地用额外的零来增加采样点。例如，为加倍频率分辨率，你可以在q[n]序列末尾增添N个零，使总的序列长度为2N。DFT将在2N个点上计算Q(Ω)，从而使分辨率提高一倍。 为提高分辨率而增加的零的个数是有限制的。通常，只有在很小的频率范围内才需要提高分辨率。这里提