有关在matlab中对信号采样及频谱的一些解释；复数的频谱，高分辨率谱，高密度谱的一些理解_高密度谱和高分辨率谱的区别

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

其中1_N/2代表0pi，而N/2_N代表-pi0。

从理论上讲s1(t)=cos(2*pi*f1*t)应该在1000Hz和-1000Hz两个频点上有两根线，即应该在x1（其中x1*(3000/2) /(64/2)=1000，解得x1=21.3）上和64-x1上有两根谱线。观察图1可知，两个峰值大约对应横轴坐标为21和43=64-21两个点。

若令s2(t)=sin(w1*t)，则傅里叶变换是S1(w)=-j*pi*[δ(w-w1)-δ(w+w1)]，在matlab中执行以下命令：

n=0:63;

f1=1000;f=3000;

s2=sin(2*pi*f1/f*n);

plot(abs(fft(s2)));

则可得其频谱，如图2所示：

图2

由图可得两个峰值的位置基本与图1相同，这由其傅里叶表达式也可以得出此结论。

以上分别说明了余弦和正弦的频谱，而且余弦和正弦均是实数序列，实数序列的离散傅里叶变换(DFT)具有共轭对称性质（此性质可百度或查阅数字信号处理相关书籍或自行推导，很简单的），这从图中也可以看出。（画图时取其模值，共轭取模与原先数取模将变成相等）

2）复数的频谱

若令s3(t)=cos(w1*t)+j*sin(w1*t)，则计算其傅里叶变换可得S2(w)=pi*[δ(w-w1)+δ(w+w1)]+j*{-j*pi*[δ(w-w1)-δ(w+w1)]}=2*pi*δ(w-w1)，因此频谱中将只有一根谱线。

在matlab中输入以下命令：

n=0:63;

f1=1000;f=3000;

s3=cos(2*pi*f1/f*n)+1j*sin(2*pi*f1/f*n);

plot(abs(fft(s3)));

图3

从图3可以看出，对于一个复数序列求频谱，它的幅度谱将不再是对称的两根谱线。其实经过类似于实数序列的推导可以得出，复数序列的频谱将不再具有类似于实数序列的共轭对称性质。

当w1为负值时会如何呢？输入以下命令计算s4(t)=cos(w1*t)+j*sin(w1*t)的频谱：

n=0:63;

f1=-1000;f=3000;

s4=cos(2*pi*f1/f*n)+1j*sin(2*pi*f1/f*n);

plot(abs(fft(s4)));

图4

对比图3和图4可知，当频率为正值时，峰值将在1_{32范围内；而当频率为负值时，峰值将在33}64之间。此性质可通俗的描述如下：

对于信号s(t)=cos(2*pi*f*t)+j*sin(2*pi*f*t)，对其进行符合奈奎斯特采样定理的采样，设采样率为fs，采样点数为N，得到数字信号s(n),n=[0,…,N-1]，则对s(n)做DFT变换进行谱分析后得到S(k),k=[0,…,N-1]。观察S(k)的幅度谱，若k=0_{N/2-1之间有峰值，则s(t)的频率f在0}fs/2之间；若k=N/2_{N-1之间有峰值，则s(t)的频率f在-fs/2}0之间；并且有且只有一个峰值。

计算公式如下：设幅度谱峰值当k=k1时出现，则s(t)的频率为：

同理，可推出如下性质：

对于信号s(t)=cos(2*pi*f*t)-j*sin(2*pi*f*t)，对其进行符合奈奎斯特采样定理的采样，设采样率为fs，采样点数为N，得到数字信号s(n),n=[0,…,N-1]，则对s(n)做DFT变换进行谱分析后得到S(k),k=[0,…,N-1]。观察S(k)的幅度谱，若k=0_{N/2-1之间有峰值，则s(t)的频率f在-fs/2}0之间；若k=N/2_{N-1之间有峰值，则s(t)的频率f在0}fs/2之间；并且有且只有一个峰值。

计算公式如下：设幅度谱峰值当k=k1时出现，则s(t)的频率为：

3）下面引入一个新的概念：频率分辨率

频率分辩率是指频域取样中两相邻点间的频率间隔。更确切的说是如果某一信号含有两个频率成分f1和f2，Of=|f2-f1|，频率分辨率的概念是如果频率分辨率大于Of，对信号进行谱分析后将不能视别出其含有两个频率成分，这两个频率将混叠在一起。

以下是摘自华科姚天任《数字信号处理（第二版）》第92页的一段：

现在我们设定信号s5(t)=cos(w1*t)+sin(w2*t)，其中w1=2*pi*1000，w2=2*pi*1100

在matlab中输入以下命令计算其频谱：

n=0:63;

f1=1000;f2=1100;f=3000;

s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);

plot(abs(fft(s5)));

图5

从图5中可以看出能够分辨出f1=1000Hz和f2=1100Hz两个频率分量。

我们利用上面的理论来计算一下此时的频率分辨率：

采样频率fs=3000Hz

采样点个数N=64

最长记录长度tp=N*(1/fs)

频率分辨率F=1/tp=fs/N=3000/64=46.875Hz

因为F<f2-f1=100Hz，因此能够分辨出两个频率分量。

下面我们作如下尝试：

第一种尝试：fs不变仍为3000Hz，即奈奎斯特定理仍然满足，大于信号s5(t)的最高频率分量1100Hz的两倍，但将采样点个数N减小为24个，在matlab中输入以下命令：

n=0:23;

f1=1000;f2=1100;f=3000;

s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);

plot(abs(fft(s5)));

图6

第二种尝试：采样率fs升为8000Hz，即满足奈奎斯特采样定理，大于信号s5(t)的最高频率分量1100Hz的两倍，采样点个数N不变，仍为64个，在matlab中输入以下命令：

n=0:63;

f1=1000;f2=1100;f=8000;

s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！