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);