快速傅里叶变换(FFT)的频谱分辨率

最新推荐文章于 2024-04-05 23:32:03 发布
最新推荐文章于 2024-04-05 23:32:03 发布
阅读量5.1k 收藏 19
点赞数 4
文章标签： 算法 傅里叶分析 Powered by 金山文档
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/beingstrong/article/details/128890700
版权

快速傅里叶变换Fast Fourier Transform (FFT)是快速计算离散傅里叶变换的一种算法，是我们在编程时进行傅里叶变换的主要方法。

FFT的输入与输出的个数一致，比如对于长度为1024的一维向量，其输出也为长度为1024的一维向量。而根据Nyquist-Shannon 采样定律，当采样率为1Mhz（每秒1百万个采样点）时，在频率域我们最多只能看到0.5Mhz的信号。

因此设FFT的输入个数为N，则在频率域的频谱分辨率即频谱间隔为。 当我们进行FFT时，FFT的大小由我们自己来确定（为了计算速度一般取2的N次方），与采样率的大小无关，那么将越多的样本输入FFT，频谱的分辨率越高。比如将N由1024变为2048将使频谱分辨率提高2倍，当然也意味着我们需要延长采样时间了。下图是同样的数据将FFT的大小从100变为1024的频谱图对比，频谱分辨率增加了约10倍, 进行一次fft的采样时间也增加了约10倍。

傅里叶变换的参考资料：

  1. PySDR 教程频率域一章 https://pysdr.org/content/frequency_domain.html ， 文章中的前两个图片来自教程

  1. 傅里叶分析之掐死教程（完整版） https://zhuanlan.zhihu.com/p/19763358#fromHistory

chencjiajy
关注
  • 4
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
FFT补零可以提高频率分辨率吗
02-22
作为频域数据处理的常用手段，快速傅里叶变换FFT是其中最常用的一种。但是，FFT处理时对原始数据补零的做法，可以提高频率分辨率吗？看完本文，你就会清楚了
MATLAB中使用FFT做频谱分析时频率分辨率问题-频率分辨率.rar
08-13
MATLAB中使用FFT做频谱分析时频率分辨率问题-频率分辨率.rar MATLAB中使用FFT做频谱分析时频率分辨率问题 最近做FFT时，使用的采样频率和信号长度的取舍一直没有搞清楚，后来在论坛上发了一个贴子《总结一下使用FFT和维纳-辛钦定理求解PSD问题》（讨论见https://www.ilovematlab.cn/thread-27150-1-1.html，特别感谢会员songzy41，他的问题给了我很大启示），跟帖中给了我不少启示，并且让我对“频率分辨率”这个概念有了更深入的理解。再次一并感谢论坛的高手们。 频率分辨率，顾名思义，就是将信号中两个靠的很近的频谱分开的能力。 信号x长度为Ts，通过傅氏变换后得到X，其频率分辨率为Δf=1/T（Hz），若经过采样后，假设采样频率为fs=1/Ts，而进行频谱分析时要将这个无穷长的序列使用窗函数截断处理，假设使用矩形窗，我们知道，矩形窗的频谱为sinc函数，主瓣宽度可以定义为2*pi/M，M为窗宽，那么，时域相乘相当于频域卷积，频域内，这一窗函数能够分辨出的最近频率肯定不可能小于2*pi/M了，也就是如果数据长度不能满足2*pi/M<|w2-w1|（w2,w1为两个靠的很近的频率），那么在频谱分析时，频谱上将不能分辨出这两个谱，由于w2-w1=2*pi/fs=2*pi*Δf/fs也就是2*pi/M<2*piΔf/fs，得到Δf的限制为fs/M，这就是窗函数宽度的最小选择，就是说，根据Shannon采样定理确定了采样频率后，要根据靠的最近的谱峰来确定最小的采样长度，这样，所作出来的频谱才能分辨出那两个谱峰，也就是拥有了相应的频率分辨率。 几个例子： 考虑双正弦信号：x = sin sin;根据Shannon采样定理，采样频率要大于截止频率的两倍，这里选采样频率为80，那么，我们可以看到，Δf为0.2Hz，那么，最小的数据长度为0.2/80=400，但是对正弦信号的频谱分析经验告诉我们，在截断时截断时的数据要包含整周期，并且后面不宜补零以避免频谱泄露（这一点见胡广书《数字信号处理导论》，清华大学出版社），那么，我们要选择至少980个点，才能保含到一个整周期，另外，FFT的经验告诉我们作分析时最好选择2的整数次幂，我们选择靠的最近的1024点。分析结束。 [CODE] Fs = 80; n = 0:1/Fs:1023*1/Fs; x = sin sin; N = length; figure; X = fftshift); plot*Fs/N,abs*2/N); grid on; axis; 这是按照我们的分析进行的编程和图形 zheng.jpg 可以看出这两个谱峰很好的被分辨开来，9.8Hz不在谱线上，所以幅值不为1，以下是一些对比： [CODE] Fs = 80; n = 0:1/Fs:1023*1/Fs; x = sin sin; N = length; X = fftshift); figure; subplot plot*Fs/N,abs*2/N); grid on; axis; title; n = 0:1/Fs:979*1/Fs; x = sin sin; N = length; X = fftshift); subplot plot*Fs/N,abs*2/N); grid on; axis; title; n = 0:1/Fs:399*1/Fs; x = sin sin; N = length; X = fftshift); figure; subplot plot*Fs/N,abs*2/N); grid on; axis; title; Fs = 20; n = 0:1/Fs:1024*1/Fs; x = sin sin; N = length; X = fftshift); subplot plot*Fs/N,abs*2/N); grid on; axis; title; 结果如下： 1024.jpg 400.jpg 这是我在做FFT以及论坛中的问题时所得到的一点启发，不当之处还请大家指正。OO~ 频率分辨率.rar 为了方便大家，我将doc版报告和m文件一起上传，和帖子内容一样。OO~
FFT的频谱分辨率
10-29 4843
频率分辨率——FFT以及谱估计     |字号 订阅 解释一：频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。所以NTs就是采样前模拟信号的时间长度T，所以信号长度越长，频率分辨率越好。是不是采样点数越多，频率分辨力提高了呢？其实不是的，因为一段数据拿来就
FFT变换中的两种分辨率(物理分辨率和计算分辨率)
最新发布
u011572784的博客
04-05 1422
全网最详细！！！！对与FFT相关的两种频率分辨率进行分析说明。
离散傅里叶变换DFT
ascend的专栏
03-08 2623
DFT是为适应计算机分析傅里叶变换规定的一种专门运算，本章是数字信号处理课程的重点章节。 　　3.7用DFT进行频谱分析 　　1.用DFT对连续信号进行谱分析 　　（1）原理 　　　　  　　（2）频率分辨率与DFT参数的选择 　　频率分辨率是指所用的算法能将信号中两个靠得很近的谱峰分开的能力。 　　设是一个带限的连续时间信号，最高频率为fc，根据时域采样定理，采样频率
DFT 和 DTFT，FFT的物理分辨率和频率分辨率，以及加窗
sinat_29862967的博客
06-19 1万+
———————————————————[转自ECDAV 杜老师] DFT 和 DTFT 　　由于快速傅立叶变换（FFT）对于实现数字信号处理算法的巨大促进作用，导致其成为本科数字信号处理课程中最吸引眼球的知识点之一，很多人都对FFT的本体－离散傅立叶变换（DFT）印象深刻。但是DFT并不是一个真正的具有物理意义的变换，它只是一种用于计算的方法，之所以要有这种计算方法是为了能够去近似的表达那个具...
N个点FFT变换中的频率分辨率以及与实际频率的关系
J.Zz 的博客
10-16 6748
做FFT变换时，我们一般会取N个点来做FFT变换，得到N个变换后的系数，也称之为频谱系数。在离散时间傅里叶变换中，频谱系数是周期函数，以2pi（注：pi指的是圆周率3.1415926）为周期。 频谱的分辨率是 2pi/N. 假设采样率是fs，那么，这个2pi/N与fs有什么关系？对应实际频率来讲，其频率的分辨率是多少赫兹的？ 我们从对连续函数采样的公式来推导： e^(j2pikft) 这是连续傅里...
fft分辨率
有塔耶奥多的专栏
01-19 4924
分辨率f = fs/N； fs为采样频率，N为fft的点数； 目前fs=1024/5;N=1024; 分辨率=fs/N=0.2hz; 每个点都对应的频率为分辨率的整数；如：第一个点对应0.2hz,第二个点对应0.4hz,第三个点对应0.6hz,如果周期为0.5hz,是无法识别到的； 需要将分辨率将为0.1hz才可以；可以降低fs或者提高N； ...
FFT--频率分辨率
技术宅的博客
05-20 1910
1.fft补零：是频谱看起来更流畅（减小栅栏效应），但是不会改变实质。 补零只能说在原来的形状上插了更多的值，但是不会改变频率分辨率 在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T, 由该公式可知，只有增加采样时长，才能增加。 补零并没有真正增加采样数据时长，故根本没有改变 ...
傅里叶变换—信号观测时长和频率分辨率
wing_man的博客
10-28 843
关于信号时长和频率分辨率关系
关于傅立叶变换的频率分辨率，采样时间，采样率关系
热门推荐
记录每一次成长
04-11 2万+
假设我们需要对某信号采样，其中几个关键参数为：        采样频率--fs;        采样点数--N;根据以上两个参数可以得到频率分辨率为：        f_div = fs/N又因为采样时间Ts可以表示为：        Ts = N/fs因此有：        f_div = 1/Ts;即频率分辨率只和采样时间长度有关，采样时间越长频率分辨率越高。采样率的选择则是根据奈奎斯特采样定
运用STM32F407写的FFT，分辨率是1Hz。可以测量信号频率，以及谐波分析，失真度。另外还可以测量两个波形的相位差
04-02
运用STM32F407写的FFT，分辨率是1Hz。可以测量信号频率，以及谐波分析，失真度。另外还可以测量两个波形的相位差
matlab 快速傅里叶变换.m
02-21
为了实现快速傅里叶变换（FFT）在Matlab中，我们可以编写一个简单的脚本，利用Matlab内置的fft函数。这段代码首先定义了一个...使用fft函数对信号进行快速傅里叶变换，然后计算幅度频谱，并通过绘图函数plot展示出来。
基于FPGA的简易频谱分析仪
04-16
该系统主要包括信号采集、频谱搬移、数字滤波、数字FFT和LCD显示。经测试，该系统能够分析信号带宽为0~5MHz，最低分辨率达到1Hz，而且信号频谱图能够很好地显示在LCD上。整个系统工作稳定，操作方便，且成本比其他...
基于CZT和ZoomFFT法的频谱细化在电动机故障诊断中的应用
07-13
常用频谱细化方法有FFT-FS法、Yip-Zoom法、CZT变换分段法和基于复调制的ZoomFFT法。后两种方法更优越,使用范围也广。通过Matlab用CZT和ZoomFFT两种方法进行断条故障仿真实验,对比频谱细化图得出ZoomFFT较CZT更具优势...
电子测量中的利用谐振原理进行单频点检测及频谱分析
12-09
利用谐振原理进行单频点检测及频谱分析 石现峰，葛梅青，张学智　(西安工业学院电子信息工程学院　陕西 西安　710032) 对信号进行频谱分析时，快速傅里叶变换(FFT)是最为常用的方法。但FFT存在一些难以克服的问题，...
Matlab信号处理：FFT频谱分辨率
坚持学习
09-20 1055
Matlab信号处理：FFT频谱分辨率
信号处理:傅立叶变换的波形分辨率和频率分辨率
去向前方的博客
07-01 1万+
我们知道，快速傅里叶变换（FFT）是信号处理的重要数学工具。一般而言，n点信号的离散傅里叶变换（DFT）的变换结果（频域）也是n个数据点。但在实际应用中，对实际信号作FFT 时，常常涉及到变换前数据需要补零（Zero padding）的问题。一些论坛里，曾看到某些专业人士从信息论的角度分析认为：“Zero padding没有增加时域信号的有效信息，因此，不会改变DFT/FFT的分辨率”。那么，补零...
傅里叶变换补零与能否提高频率分辨率
Kevin的小屋
05-20 1万+
离散傅里叶变换(DFT)的输入是一组离散的值，输出同样是一组离散的值，FFT是DFT的快速算法。 在输入信号而言，相邻两个采样点的间隔为采样时间Ts。在输出信号而言，相邻两个采样点的间隔为频率分辨率df=fs/N，其中fs为采样频率，N为输入信号的采样点数（N=fs*Ts），则频率分辨率df为： , 这也就是说，DFT的频率分辨率不仅与采样频率有关，也与信号的采样点数有关。 那么，如果保持...
STM32快速傅里叶变换（FFT）计算频率
08-09
在STM32上进行快速傅里叶变换（FFT）计算频率，可以使用DSP库中提供的函数。以下是一般的步骤： 1. 配置ADC模块：使用STM32的库函数配置ADC模块，设置所需的采样时间、分辨率等参数。 2. 获取采样值：启动ADC转换，并使用库函数读取转换结果。将采样值存储在一个数组中。 3. 窗函数处理：为了减少频谱泄露和振铃效应，可以对采样值进行窗函数处理。常见的窗函数包括汉宁窗、汉明窗等。通过将采样值与窗函数进行元素级别的相乘，得到处理后的采样值。 4. 执行FFT：使用DSP库中提供的FFT函数，将处理后的采样值作为输入，执行FFT计算。选择合适的FFT大小，通常为2的幂次方。 5. 计算频谱：根据FFT计算结果，计算频谱。频谱是由实部和虚部得到的复数数组。可以使用幅度谱或功率谱来表示频谱信息。 6. 寻找主要频率成分：从频谱中找到主要的频率成分。通过找到频谱中最高峰值对应的频率或者选择其他算法（如峰值检测、频率估计算法）来确定频率。 7. 跟踪频率：根据计算得到的频率信息，调整待测信号的频率或其他相关参数，使其与目标频率接近。 需要注意的是，FFT计算频率的精度和分辨率受到采样率和FFT大小的影响。较高的采样率和较大的FFT大小可以提高频率计算的精度和分辨率。此外，对于非稳态信号或具有频率变化的信号，可能需要使用更高级的频谱分析方法来提取频率信息。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值