FFT变换的实际意义整理.pdfVIP

FFT 变换的实际意义 FFT 是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是 很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这 就是很多信号 分析采用FFT 变换的原因。另外，FFT 可以将一个信号的频谱提取出来，这在频谱分析方 面也是经常用的。 虽然很多人都知道FFT 是什么，可以用来做什么，怎么去做，但是却不 知道FFT 之后的结果是什意思、如何决定要使用多少点来做FFT。 一个模拟信号，经过ADC 采样之后，就变成了数字信号。采样定理告诉我 们，采样频率要大于信号频率的两倍，这些我就不在此罗嗦了。 采样得到的数字信号，就可以做FFT 变换了。N 个采样点，经过FFT 之 后，就可以得到N 个点的FFT 结果。为了方便进行FFT 运算，通常N 取2 的整数 次方。 假设采样频率为Fs，信号频率F，采样点数为N。那么FFT 之后结果就 是一个为N 点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频 率值下的 幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰 值为A，那么FFT 的结果的每个点（除了第一个点直流分量之外）的模值就是A 的N/2 倍。 而第一个点就是直流分量，它的模值就是直流分量的N 倍。而每个 点的相位呢，就是在该频率下的信号的相位。第一个点表示直流分量（即0Hz）， 而最后一个点 N 的再下一个点（实际上这个点是不存在的，这里是假设的第N+1 个点，可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率 Fs，这中间被 N-1个点平均分成N 等份，每个点的频率依次增加。例如某点n (n −1)F 所表示的频率为：F s 。由上面的公式可以看出，Fn 所能分辨到频率 n N 为 Fs/N，如果采样频率Fs 为1024Hz，采样点数为1024 点，则可以分辨到1Hz。 1024Hz 的采样率采样1024 点，刚好是1秒，也就是说，采样1秒时间的信号并 做FFT，则结果可以分析到1Hz，如果采样2 秒时间的信号并做FFT，则结果可 以分析到0.5Hz。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。 频率分辨率和采样时间是倒数关系。假设FFT 之后某点n 用复数a+bi 表示，那 么这个复数的模就是An a 2 =+b 2 ，相位就是P atan 2(b,a) 。根据以上的结果， n 就可以计算出n 点（n≠1，且n=N/2）对应的信号的表达式为： A A 2 n cos(2 F t +P ) ，即 n cos(2 F t +P ) 。对于n=1 点的信号， N / 2 n n N n n 是直流分量，幅度即为A1/N。由于FFT 结果的对称性，通常我们只使用前半部 分的结果，即小于采样频率一半的结果。 好了，说了半天，看着公式也晕，下面以一个实际的信号来做说明。 1 假设我们有一个信号，它含有2V 的直流分量，频率为50Hz、相位为-30 度、幅度为3V 的交流信号，以及一个频率为75Hz、相位为90 度、幅度为1.5V 的交流信号。用数学表达式就是如下： S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180) 式中cos 参数为弧度，所以-30 度和90 度要分别换算成弧度。我们以 256Hz 的采样率对这个信号进行采样，总共采样256 点。按照我们上面的分析， Fn=(n-1)*Fs/N，我们可以知道，每两个点之间的间距就是1Hz，第n 个点的频 率就是n-1。我们的信号有3 个频率：0Hz、50Hz、75Hz，应该分别在第1 个点、 第51 个点、第76 个点上出现峰值，其它各点应该接近0。实际情况如何呢？ 我们来看看FFT 的结果的模值如图所示。