Matlab中使用FFT函数

本篇为《信号处理》系列博客的第五篇，该系列博客主要记录信号处理相关知识的学习过程和自己的理解，方便以后查阅。

文章原地址：《基于MATLAB的FFT分析》

基于MATLAB的FFT函数需要了解的知识点

1. 频谱关于中间位置对称，只需要观察 $ 0:1：N/2$（这$N/2+1$个点）（时域采集N个点，频域只需要观察$N/2+1$个点）
2. MATLAB中FFT的频谱，应该看幅值
3. X轴频率点的设置：采样频率为Fs,频谱图显示的最高频率为Fs/2（采样定理）：X轴频率点：$（0:1：N/2）\ast Fs/N$
4. 复数幅值修正

需要说明的两个问题

1. 画出的频谱图的频率分辨率为Fs/N
2. 采样频率Fs大于信号最大频率的的2倍

原文作者心得

1. 由于采样定理可知，当不满足采样定理的时候将出现混叠现象，所以FFT处理时默认Fs/2为最高信号频率
2. 假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位呢，就是在该频率下的信号的相位。

待解决的问题

从数学层面理解FFT变换后的幅值的大小问题（心得第二点）

MATLAB代码

%%%傅里叶变换的例子%%%
clear all
close all
clc

% Parameter Interface
SampleFre = 1000;%采样频率
SignalLen = 20000;%数据长度

% Main
%--------------------------------------------------------------------------------------
t = (0:SignalLen-1)/SampleFre;%时间

SignalData = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);%采样频率>2倍信号最大频率
NoiseData = 2*randn(size(t));
SignalAddNoiseData = SignalData + NoiseData;
plot(1000*t(1:50),SignalAddNoiseData(1:50))
title('信号添加随机噪声')
xlabel('t(毫秒)')

%--------------------------------------------------------------------------------------
FFTData = fft(SignalAddNoiseData);

FFTAmplitude0 = abs(FFTData)/SignalLen;
FFTAmplitude1 = FFTAmplitude0(1:SignalLen/2);%频谱关于SignalLen/2对称

FFTAmplitude0(2:end) = 2*FFTAmplitude0(2:end); %复数域的幅值需要进行变换才能与时域的幅值对应
FFTAmplitude1(2:end) = 2*FFTAmplitude1(2:end);

Frequence0 = SampleFre*(0:(SignalLen-1))/SignalLen;
Frequence1 = SampleFre*((0:(SignalLen/2)-1))/SignalLen;

subplot(2,1,1)
plot(Frequence0,FFTAmplitude0)
title('双边频谱')
xlabel('f(Hz)')
ylabel('FFTAmplitude')

subplot(2,1,2)
plot(Frequence1,FFTAmplitude1)
title('单边频谱')
xlabel('f(Hz)')
ylabel('FFTAmplitude')