频谱细化之FFT_FT

---

一、 算法简介

FFT+FT 算法的核心思想是先利用 FFT 估计离散序列 x(m)的全景频谱，然 后选取感兴趣区间执行离散 FT 算法，从而达到频谱细化的目的。利用离散 DFT 变换公式(4.2)，可以得到频谱波峰的极大值|X(k1)|和次大值|X(k2)|,对应的谱线序列 为 k1和 k2。对于 FMCW 中频信号的离散序列频谱，待估计谱线 k0介于谱线序列 k1和 k2之间，因此对 k1~k2区间内进行谱线插值可以得到精确的距离。

二、算法仿真

clear;
close all;
clc;
N=1024;                 %信号长度
fs=1024;                %采样率
t=(0:N-1)/fs;  
% x = 1.5 * cos(2 * pi * 98 * t);

x = 1.5 * cos(2 * pi * 98 * t) + 2 * cos(2 * pi * 99 * t) + ...
                3 * cos(2 * pi * 100. * t) + 3.5 * cos(2 * pi * 101 *t);
range_win = hamming(N);   %海明窗
% range_win = hanning(N);   %汉宁窗
x=x.*range_win';

y=fft(x,1024); %信号傅氏变换
figure() 
f1=(0:N-1)/N*fs; 
figure(1);
subplot(211);
plot(f1(1:N/2),2/N*abs(y(1:N/2)), 'b', 'LineWidth', 3);
ax1 = gca;  % 获取当前子图的坐标轴对象
ax1.FontSize = 25;  % 设置坐标轴上文字的字体大小
xlabel('f/Hz');
title('FFT和FFT+FT仿真对比','FontSize',30);
xlabel('Frequency (Hz)','FontSize',30);
ylabel('Amplitude','FontSize',30);
legend('FFT','FontSize',25);

% FT
D=200;
f=linspace(93,106,D);
for k=1:length(f)
    xf(k)=2/N*sum(x.*exp(-1j*2*pi*(0:N-1)*f(k)/fs)); 
end     
subplot(212);
plot(f,abs(xf),'r', 'LineWidth', 3) 
ax1 = gca;  % 获取当前子图的坐标轴对象
ax1.FontSize = 25;  % 设置坐标轴上文字的字体大小
xlabel('Frequency (Hz)','FontSize',30);
ylabel('Amplitude','FontSize',30);
legend('FFT+FT','FontSize',25);

三、仿真结果

---