利用FFT成功实现拓扑识别（一）--嵌入式系统上的成功运用

FFT在嵌入式系统上的成功运用

 - 

最近关于FFT方面的东西，研究了好多，有很多感触：一方面对自己工作的总结；一方面和大家一起分享一下希望对大家会有一点帮助。

FFT基本原理

FFT，全称为快速傅里叶变换，目的是把时域的信号转变为频域的信号，FFT的作用就是通过计算，把信号的各个频率成分找出来， 借用凹凸曼的大表哥的一张图：

怎么计算昵？

子曰：“工欲善其事，必先利其器。我们先来看看大名鼎鼎的mathlab如何做的：

先生成一个复合信号：

该信号由直流信号，50hz余弦波和833hz的正弦波构成，代码如下：

Adc=50; %直流分量幅度

A1=220; %频率F1信号的幅度
F1=50; %信号1频率(Hz)
P1=-30; %信号1相位(度)

A2=30; %频率F2信号的幅度
F2=833;%833;%75; %信号2频率(Hz)
P2=90; %信号相位(度)

Fs=6400;%采样频率(Hz)
N=1024;%采样点数

t=[0:1/Fs:N/Fs]; %采样时刻

%信号

S=Adc+A1cos(2piF1t+piP1/180)+A2cos(2piF2t+piP2/180);

经过mathlab合成后，plot(S);%显示原始信号，输出波形：

对复合信号进行FFT：

Y = fft(S,N); %做FFT变换
FFT之后得到的那一串复数是波形对应频率下的幅度特征，结果并不直接对应信号包含的频率成分，绝大部分的FFT算法计算出来后都需要进行幅度的转换的，FFT的结果的第一个点对应直流分量，它的模值就是直流分量的N倍，要得出真实幅值，需要把除了第1个点(i=0)以及最后一个点(i=N/2)除以N以外，其余点把求得的模除以N/2 ，把各个点的模值显示出来就是：可以看出，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。

如何才能分辨出信号包含的频率成分昵？这就需要另一个关键参数：分辨率，要理解分辨率，首先要从大名鼎鼎的"奈奎斯特定理"。说起， 这个定理的意思是，如要采集到完整的原始模拟信号，对其采样的频率必须大于该原始模拟信号频率2倍及以上。当然倍数越高得到的结果越接近原始值，例如我们用到的频率50hz和833HZ的信号，理论上模拟芯片采样频率至少要达到1666HZ。实际应用中不会这么做，因为1666HZ太低了，如果要通过FFT运算得到尽可能准确的结果，就要尽量的提高采样率，就像我们采用的是6400Hz，知道了这个原理，分辨率就好理解了：

     分辨率=采样频率÷采样样本数的值

此处：分辨率=6400/1024=6.25hz

可以看出，要想提高fft的分辨率（越小越好），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。

如何才能找出信号包含的频率分量和对应的幅值昵？
代码如下：

Ayy=Ayy/(N/2); %换算成实际的幅度

Ayy(1)=Ayy(1)/2;

F=([1:N]-1)*Fs/N; %换算成实际的频率值

plot(F(1:N/2),Ayy(1:N/2)); %显示换算后的FFT模值结果

至此，我们已经清晰看到了信号的频点分布