FFT变换后数据处理 快速傅里叶变换()

　非周期性连续时间信号x(t)的傅里叶变换可以表示为

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。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。第一个点表示直流分量（即0Hz），而最后一个点 N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被 N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：
                                               fn=(n-1)*fs/N

1. 频率公式

因此，在知道了采样频率Fs后，快速傅里叶变换(FFT)后的第x个（x从0开始）复数值对应的实际频率为

f(x) = x * (Fs / n)

上面的结果不好说明，下面再看一个例子：

oneWave = [1,1,1,1,1,1,1,1];

fft(oneWave)
输出：

                                   8 0 0 0 0 0 0 0

oneWave 的直流分量是1，但计算结果是8，这里又引入一个问题，FFT之后的数值不是真实的幅值，需要进行转转换，第一个点需要除以N，才能还原为原来的结果

FFT变换后的复数模 - 幅度
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

也就是说，要得出真实幅值，需要把除了第1个点(i=0)以及最后一个点(i=N/2)除以N以外，其余点需要求得的模除以N/2
这是因为傅里叶级数对应时域幅值，其中已经包含了1/N项，而fourier变换中没有该系数，
所以，进行完fft变换后需除以N/2才能与时域对应上。
FFT的计算公式
Fn=∑i=0N−1xie−2πjNni

实际应用中，只有i=0~N/2是有用的
全世界绝大部分的FFT算法计算出来后都需要进行幅度的转换的，幅值根据需求有不同需求