Python下FFT分析图文频率分辨率与什么有关

1. FFT相关理论

1.1 离散傅里叶变换（DFT）

离散傅里叶变换(discrete Fourier transform) 傅里叶分析方法是信号分析的最基本方法，傅里叶变换是傅里叶分析的核心，通过它把信号从时间域变换到频率域，进而研究信号的频谱结构和变化规律。但是它的致命缺点是：计算量太大，时间复杂度太高，当采样点数太高的时候，计算缓慢，由此出现了DFT的快速实现，即下面的快速傅里叶变换FFT。

1.2 快速傅里叶变换（FFT）

计算量更小的离散傅里叶的一种实现方法。

1.3 归一化和取一半处理

比如有一个信号如下：
Y=A1+A2cos(2πω2+φ2）+A3cos(2πω3+φ3）+A4*cos(2πω4+φ4）
经过FFT之后，得到的“振幅图”中，
第一个峰值（频率位置）的模是A1的N倍，N为采样点，本例中为N=1400，此例中没有，因为信号没有常数项A1
第二个峰值（频率位置）的模是A2的N/2倍，N为采样点，
第三个峰值（频率位置）的模是A3的N/2倍，N为采样点，
第四个峰值（频率位置）的模是A4的N/2倍，N为采样点，
依次下去…
考虑到数量级较大，一般进行归一化处理，既然第一个峰值是A1的N倍，那么将每一个振幅值都除以N即可
FFT具有对称性，一般只需要用N的一半，前半部分即可。

2. FFT之后每个点的频率分辨率与采样频率(Fs)和采样点数(N)之间的关系

FFT频率分辨率=1/采样总时间=1/(N/Fs) = Fs/N（Hz）。
例如采样频率10k，采样点数1024，则FFT之后，频率分辨率=10k/1024=9.765625Hz。

3. 代码

import numpy as np
from scipy.fftpack import fft,ifft
import matplotlib.pyplot as plt
from matplotlib.pylab import mpl
 
mpl.rcParams['font.sans-serif'] = ['SimHei']   #显示中文
mpl.rcParams['axes.unicode_minus']=False       #显示负号

Fs = 1000                       #采样频率
N = 4096                        #采样的总点数
Time = N/Fs;                       #采样时间N/Fs


x = np.arange(0,Time,1.0/Fs)        #采样的x等差数列,0,Ts,2Ts,...,Time-Ts
half_x = x[range(int(N/2))]     #取一半区间

k = np.arange(N)
fx = k / Time;                  #x轴归一化到采样频率。FFT频率分辨率=1/采样总时间（Hz），即采样时间为0.2s，则频率分辨率5Hz。即采样时间为5s，则频率分辨率0.2Hz。
half_fx = fx[range(int(N/2))]
   
 
#设置需要采样的信号，频率分量有200，400和600
y=1+2*np.sin(2*np.pi*200*x) + 3*np.sin(2*np.pi*400*x)


 
fft_y=fft(y)                          #快速傅里叶变换
 
 
abs_y=np.abs(fft_y)                # 取复数的绝对值，即复数的模(双边频谱)
angle_y=np.angle(fft_y)            #取复数的角度
normalization_y=abs_y/N            #归一化处理（双边频谱）                              
normalization_half_y = normalization_y[range(int(N/2))]      #由于对称性，只取一半区间（单边频谱）
 
plt.subplot(231)
plt.plot(x,y)
plt.xlabel('t/s')
plt.ylabel('Amplitude')
plt.title('原始波形')
plt.tight_layout() #设置默认的间距
 
plt.subplot(232)
plt.plot(fx,fft_y,'black')
plt.xlabel('Freq/Hz')
plt.ylabel('Amplitude振幅')
plt.title('双边振幅谱(未求振幅绝对值)',fontsize=9,color='black') 
 
plt.subplot(233)
plt.plot(fx,abs_y,'r')
plt.xlabel('Freq/Hz')
plt.ylabel('Amplitude振幅')
plt.title('双边振幅谱(未归一化)',fontsize=9,color='red') 
 
plt.subplot(234)
plt.plot(fx,angle_y,'violet')
plt.xlabel('Freq/Hz')
plt.ylabel('phase相位')
plt.title('双边相位谱(未归一化)',fontsize=9,color='violet')

##plt.subplot(234)
##plt.plot(x[0:50],y[0:50],'violet')
##plt.xlabel('t/s')
##plt.ylabel('Amplitude')
##plt.title('原始波形（部分）)',fontsize=9,color='violet')

plt.subplot(235)
plt.plot(fx,normalization_y,'g')
plt.xlabel('Freq/Hz')
plt.ylabel('Amplitude振幅')
plt.title('双边振幅谱(归一化)',fontsize=9,color='green')
 
plt.subplot(236)
plt.plot(half_fx,normalization_half_y,'blue')
plt.xlabel('Freq/Hz')
plt.ylabel('Amplitude振幅')
plt.title('单边振幅谱(归一化)',fontsize=9,color='blue')
 
plt.show()

4. 效果