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