matlab傅立叶变换补零,快速傅里叶变换中“补零”有何意义？

原标题：快速傅里叶变换中“补零”有何意义？

从时域到频域

这里以快速傅里叶变换(FFT)为对象举实例进行解释，并附上全部MATLAB代码。

另外，说明一下，用MATLAB做FFT并不要求数据点个数必须为以2为基数的整数次方。之所以很多资料上说控制数据点数为以2为基数的整体次方，是因为这样就能采用以2为基的FFT算法，提升运算性能。

如果数据点数不是以2为基数的整数次方，处理方法有两种，一种是在原始数据开头或末尾补零，即将数据补到以2为基数的整数次方，这是“补零”的一个用处；第二种是采用以任意数为基数的FFT算法。

而MATLAB的fft(x，N)函数在参数N正好就是数据x的长度，但又不是以2为基数的整体次方时，并不会采用补零的方法，而应该是采用以任意数为基数的FFT算法(说“应该”是因为帮助文档里没有明确说明)，这样也能得到很好的结果，只不过速度要稍稍慢了一些，以通常的计算量是体现不出来的。

快速傅里叶变换FFT

例如，现在有一个信号，这个信号中仅包含两个正(余)弦波，一个是1 MHz，一个是1.05 MHz，即x = cos(2π×1000000 t)+ cos(2π×1050000 t)。设定采样频率为Fs = 100 MHz，如果采1000个点，那么时域信号的时长就有10μs。

图1。1000个数据点

如果，直接对这1000个数据点做快速傅里叶变换，将得到频谱图：

图2。1000个数据点做FFT的频谱

可以发现，频谱点稀疏，在1MHz附近根本无法将1 MHz和1.05 MHz的两个频率分开。

clear;clccloseall%% FFTFs = 100e6; % Sampling frequency / HzT = 1/Fs; % Sampling time/ sL0= 1000; % Original signal lengthL = 1000; % Data lengtht0= (0:L0-1)*T; % Original signal timesequencex= cos(2*pi*1e6*t0) + cos(2*pi*1.05e6*t0); % Signal functiont = (0:L-1)*T; % Data timesequence%% Plotfigure(1)plot(t*1e6,x,'b-','linewidth',1.5)title ('fontsize{10}fontname{Times New Roman}Time domain signal')xlabel('fontsize{10}fontname{Times New Roman}it t /rm mus')ylabel('fontsize{10}fontname{Times New Roman}it yrm(ittrm)')grid on;axis([010-22])set(gca,'FontSize', 10,'FontName', 'Times New Roman')set(gcf,'unit','centimeters','position',[151013.539.03],'color','white')%% FFTY = fft(x); % FFT% Calculate double sides spectrum P2, andthen calculate single side% spectrum P1 based on P2 a