java频谱分析的练习

1，复习一下三角函数的基本知识

2，生成一段模拟信号（模拟仪器采样）

/**
     * 生成一段模拟信号，模拟采样
     * @param fs 采样频率
     * @param n 采样点数
     * 模拟的这段信号包括的频率有10hz, 15hz, 20hz, 26.5hz，这段信号包括直流信号15
     * 注意：根据采样定理，采样频率必须大于信号频率的2倍
     * 因此，传递过来的采样频率务必要大于26.5 * 2
     */
    private double[] generateWaveNormal(float fs, int n) {
        double pi = Math.PI;
        double[] res = new double[n];
        float interval = 1 / fs;//采样间隔，单位是s
        for (int i = 0; i < n; i++) {
            double t = interval * i;
            res[i] = 15 + 1 * Math.cos(2 * pi * 10 * t) + 2 * Math.sin(2 * pi * 15 * t + Math.toRadians(30))
                    + 3 * Math.cos(2 * pi * 20 * t + Math.toRadians(-30)) + 4 * Math.sin(2 * pi * 26.5 * t + Math.toRadians(60));
        }
        return res;
    }

3，对采集的信号生成频谱

/**
     * 正常的输出波形，正常的傅里叶变换，没有补零的操作
     * 频率分辨率 = 采样频率 / 参与傅里叶变换的点数，注意是参与傅里叶变换的点数而非采样点数，因为可能补零
     * 傅里叶变换结果的频率计算，第n个点的频率 = 频率分辨率 * （n - 1）
     * 所谓频谱，横轴是频率，纵轴是振幅,也就是频率振幅谱
     */
    @Test
    public void test1(){
        //模拟采样
        int Fs = 100;//采样频率
        int N = 256;//采样点数
        double[] wave = generateWaveNormal(Fs, N);
        log(Arrays.toString(wave));

        //对采样结果进行傅里叶变换，使用commons-math包
        FastFourierTransformer fft = new FastFourierTransformer(DftNormalization.STANDARD);
        Complex[] result = fft.transform(wave, TransformType.FORWARD);
        log(Arrays.toString(result));

        //计算第一个傅里叶变换结果的振幅
        Complex complex0 = result[0];
        double amp0 = Math.sqrt(Math.abs(complex0.getReal()) * Math.abs(complex0.getReal())
                + Math.abs(complex0.getImaginary()) * Math.abs(complex0.getImaginary())) * 1.0 / N;
        log(amp0);

        //计算剩余傅里叶变换结果的振幅,正式应用中只用计算到N / 2即可，因为是堆成
        for(int i = 1; i < N; i++){
            Complex complex = result[i];
            double amp = Math.sqrt(Math.abs(complex.getReal()) * Math.abs(complex.getReal())
                    + Math.abs(complex.getImaginary()) * Math.abs(complex.getImaginary())) * 2.0 / N;
            log(amp);
        }
    }

4，使用excel画图

分析：频率分辨率 = 100 / 256；第27个点的频率 = 26 * 100 / 256 = 10.15，正好对应的是原始信号里面的1 * cos（2 * pi * 10 * t）。其他3个点类推即可，比如第39个点的频率 = （39 - 1） * 100 / 256 = 14.84，正好对应的原始信号里面2 * Math.sin(2 * pi * 15 * t + Math.toRadians(30))