matlab中fft的参数设置

生成一组chirp信号

t=0:0.001:1;
a=chirp(t,0,1,10);

该chirp信号频率范围0~10Hz,如图所示，但各频率成分大小从图中并不可知
利用matlab的fft变换，可将其转换到频域中进行分析，代码如下：

fs = 2*10; %根据采样定理，fs为你所关心的最大频率范围的两倍
L = length(0:1/fs:1);%对应图的采样点数
N = 2^nextpow2(L);   %采样点数设置为2的整数幂，当信号中按采样频率进行采样，点数少于N时，fft函数将自动补零，设置N可提高fft性能，N最小的个数可以根据上述的定，若要提高频率分辨率，则N可自行增大
n = 0:N-1;
t = n/fs;   %采样点对应的时间序列，可检验对应的点，如下图所示，红点表示采样点
%开始傅里叶变换
y1=fft(a,N);    %对信号进行快速Fourier变换
mag1=abs(y1);     %求得Fourier变换后的振幅
f=n*fs/N;    %频率序列
mag1=mag1/(N/2);
figure(1)
semilogy(f(1:N/2),mag1(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅
xlabel('频率/Hz');
ylabel('振幅');grid on;

zhe就是fft变化后的结果，从图中看结果还是比较粗糙的，这时就要考虑可能是频率间隔过大引起精确度不够，或者采样率过低，引起信号丢失在这里插入图片描述尝试更改采样频率fs为全部采样，fs=1000 Hz ，即1/dt
这样频率就对上了，因此今后最好是将所有数据点都用上，才能保证fft结果正确。
总结：先根据已知dt的离散数据，确定采样频率fs,fs=1/dt,同时要保证fs>2*fmax,N的设置可直接按照程序中进行给定Nmin，若频域划分的很细，可在Nmin基础上增加点数，但若后面补零数过多，也会影响fft结果。然后就直接应用fft即可，图中数据点的高度为对应频率的正弦波的幅值。
若大佬觉得有说的不对的地方敬请留言指出，相互学习。