使用Matlab实现高噪声信号的FFT的频谱分析

使用Matlab实现高噪声信号的FFT的频谱分析

在实际的系统中，噪声可以说是无处不在，

首先生成一个包含两个频率的原始信号，f1为50hz，f2位833hz，
采样频率为fs=6400，采样点数为N=1024。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。

原始信号

fs=6400;
t=0:1/fs:0.6;
f1=50;
f2=833;
x=sin(2pif1t)+sin(2pif2t);

利用mathlab的plot函数输出波形，如图：

原始信号FFT结果

对上面信号进行fft变换：

y=fft(x,N);输出fft的频谱如下图：

可以看出，在50hz和833hz的频点上，信号幅值为明显的峰值。

加噪信号

我们利用mathlab的randn函数，为

x=x+randn(1,length(x));

randn函数是产生均值为0，方差 σ^2 = 1，标准差σ = 1的正态分布的随机数或矩阵的函数。加上噪声后，

原始信号波形如下：

加噪信号FFT结果

再次进行fft变换，结果如下：

从图中可以看到随机噪声对频谱的识别影响并不大。

其他加噪函数

在mathlab中，噪声函数还有正态分布随机数的函数normrnd，normrnd和randn中均适用于生成正态分布的随机数，区别在于normrnd可以自己指定均值MU和方差sigma。而randn生成的是标准的正态分布(即MU=0,sigma=1)。

我们选择x=x+normrnd(0,4,1,length(x))对原始信号加入噪声：

加噪波形为：

在时域图行，基本上已经看不出什么波形了

再次做FFT变换，基于fft的对称性，我们只看前一半波形，

可以看出，原始波形的频率还是可以识别出来的。如果再经过一定的数字滤波，波形会更清晰。