最全Matlab中fft函数的用法及关键问题详解(2)，春招我借这份PDF的复习思路

2401_84978490

于 2024-05-16 07:53:08 发布

阅读量485

点赞数 5

文章标签： c语言 c++ 学习

本文链接：https://blog.csdn.net/2401_84978490/article/details/138940802

版权

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！

FFT是Fast Fourier Transform(快速傅里叶变换)的简称，这种算法可以减少计算DFT（离散傅里叶变换，关于此更详细的说明见后文）的时间，大大提高了运算效率，并曾经一度被认为是信号分析技术划时代的进步，其重要性由此可见一斑。闲话少叙，言归正传。

基于FFT在信号分析中的重要性，其必然会成为MATLAB的座上宾。FFT算法在MATLAB中实现的函数是Y=fft(x,n)。刚接触频谱分析用到FFT时，几乎都会对MATLAB的fft函数产生一些疑惑，本文本着从问题出发的原则，主要着手对一下几个问题进行解释：

（一）fft函数计算得到的Y是输入信号x的频谱吗？如果不是还要经过怎样的变换？为什么要除以N。

（二）如何计算Y对应的频率f，并绘制（f,Y）频谱图？

（三）如何根据离散信号的长度确定n的数值？

下面以MATLAB帮助文档中的例子来一一看这几个问题。

Fs = 1000;                    % Sampling frequency
T = 1/Fs;                     % Sample time
L = 1000;                     % Length of signal
t = (0:L-1)*T;                % Time vector
% Sum of a 50 Hz sinusoid and a 120 Hz sinusoid
x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); 
y = x + 2*randn(size(t));     % Sinusoids plus noise
subplot(2,1,1)
plot(Fs*t(1:50),x(1:50))
title('Sinusoids Signal')
xlabel('time (milliseconds)')
subplot(2,1,2)
plot(Fs*t(1:50),y(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('time (milliseconds)')

NFFT = 2^nextpow2(L); % Next power of 2 from length of y           
Y = fft(y,NFFT)/L;    %                                            (1)
f = Fs/2*linspace(0,1,NFFT/2+1);
% Plot single-sided amplitude spectrum.
figure
plot(f,2*abs(Y(1:NFFT/2+1)))       %                               (2)
title('Single-Sided Amplitude Spectrum of y(t)')
xlabel('Frequency (Hz)')
ylabel('|Y(f)|')

运行结果：