离散信号的FFT

离散信号的FFT

• 我们知道一个信号的傅里叶变换就可以得到该信号的频谱，下面我们就通过matlab具体代码来感受这个过程。

实验分析

信号输入

    t=0:0.01:2;
    x=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)
    plot(x);

• 通过上述代码我们画出一个频率f为50hz(相角-30度)和频率f=100hz（相角90度）叠加的信号。

下面我们对这个信号进行采样:

fs=256;N=256;   %采样频率和数据点数
n=0:1:N-1;t=n/fs;   %时间序列
x=1 + 2*cos(2*pi*50*t-pi*30/180) + 3*cos(2*pi*100*t + pi*60/180); %信号
figure, plot(t, x);

• 我们在这里设定采样频率为256hz, 选取256个采样点（方便计算机进行fft运算） 。我们把时间轴（横坐标）压缩到0到255/256这个范围之类。采样呢，就是相当于在连续函数y = 1 + 2*cos(2*pi*50*t-pi*30/180) + 3*cos(2*pi*100*t + pi*60/180)上， 从0秒开始，每隔1/256秒采集一个点，直到255/256秒结束，总共采集256个点的信息。

• 经过上述的采样后，一个连续的信号就被我们弄成了离散信号啦。相比较于原信号来说，经采样后的信息肯定有一点失真了，如果失真比较严重的话，自然要增加采样频率。

下面我们来对上面离散的信号做256点的fft

y=fft(x,N);    %对信号进行快速Fourier变换
mag=abs(y);     %求得Fourier变换后的振幅
f=n*fs/N;    %频率序列
figure, plot(f,mag);   %绘出随频率变化的振幅
xlabel('频率/Hz');
ylabel('振幅');title('N=128');grid on;

这里我解释一下为什么频谱的横坐标设置成f=n*fs/N：我们要保证频谱的横坐标的单位是hz。试想采样频率是fs(hz),一共有N个采样点，那么每一点对应的采样频率的自然是fs/N(hz)啦。

• 上图是信号的幅频响应图，可见在频率为50和100赫兹时有很大的值，而其余接近为0。也就验证了信号的频率成分。

采样定理

• 这里的幅频响应为什么是对称的呢？离散信号的傅里叶变换时周期的，信号经过离散化（也就是采样）后，其频谱是原来信号频谱沿着采样频率左右搬移的结果，而这个搬移量就是采样频率fs，下面我们作图说明这点。

• 在这里我们不光能得到其频谱是周期的，同时观察其正半轴的频谱，还可以得到其第一个对称中心是采样频率的一半。结合之前信号的幅频响应图，由于我们设置的采样频率是256，所以对称中心就是128。
• 也许你会想到，如果采样频率过小。经过搬移后，和原信号的频谱不就会有重合吗？没错，下面我们画出经过不重叠且是最小的采样频率搬移的结果。

• 上图的采样频率确实是在不重叠的情况下最小的了，因为再小就重叠了。这里我们可以算出fs=2fmax。所以，要使采样后信号不重叠，其采样频率必须>=2fmax，这就是著名的采样定理。

ifft

• 回到我们对刚才的信号1 + 2*cos(2*pi*50*t-pi*30/180) + 3*cos(2*pi*100*t + pi*60/180)做fft的结果上去。我们知道其幅频响应会在50和100hz达到一个较大的值。我们观察经过fft后的第50个点的值：221.702503368816 - 128.000000000000i。
  我们求得这个复数值的幅值为：√（221.7平方+128平方）=256
  相角为：arctg(-128/221.7) = -30°
  直流分量是fft后的值是256。
  第100个点的复数算出的幅值是：384
  像角是：180°

• 直流分量的就是N,50hz对应的幅值为2*N/2，100hz对应的幅值为3*N/2。再根据相位信息我们就可以反推出原始信号啦。