【20211206】【信号处理】对傅里叶变换的理解和一个小例子

Satisfying

已于 2022-03-25 14:16:04 修改

阅读量2.6k

点赞数 1

分类专栏：信号处理文章标签：算法 matlab 信号处理

于 2021-12-06 21:56:28 首次发布

本文链接：https://blog.csdn.net/weixin_40583722/article/details/121756278

版权

信号处理专栏收录该内容

24 篇文章 125 订阅

订阅专栏

一、傅里叶变换

傅里叶变换是一种全局的变换，时域信号经过傅里叶变换后，就变成了频域信号，所以从傅里叶变换频谱上是无法看出时域信息的。

傅里叶变换只适合处理平稳信号，对于非平稳信号，由于频率会随时间变化，为了捕获这种时变特性，需要对信号进行时频分析，比如：短时傅里叶变换、小波变换、希尔伯特黄变换等。短时傅里叶变换详见：【20211206】【信号处理】时频分析 —— 短时傅里叶变换（STFT）

二、举个栗子

使用 Matlab 生成一个单频信号，并进行 FFT，作图观察。

%% 参数设置
fs = 50;  % 采样频率
L = 10;  % 时间长度
t = 0 : 1/fs : L;  % 时间坐标

%% 生成信号
fsignal = 10;  % 信号频率
A = 10;  % 信号幅值
s = A * sin(2 * pi * fsignal * t);

%% FFT
numfft = 256;  % fft点数
s_fft = fft(s, numfft);  % fft
p = abs(s_fft(1:numfft/2)) .^ 2;  % 能量（只取正频部分）
f = (0 : numfft/2-1) / numfft * fs;  % 频率（只取正频部分）

%% 作图
figure(1);
subplot(2, 1, 1);
plot(s); axis('tight'); title('信号s');
subplot(2, 1, 2);
plot(f, p); axis('tight'); title('信号s的傅里叶变换');

对运行结果的解读：生成一个频率为 10Hz 的正弦信号，对信号的采样频率为 50Hz，即 1s 的时间段内抽 50 个采样点，对该时域信号进行 FFT，只取正频部分的信号并做图。使用 abs 的平方计算能量，使用采样频率 fs 计算 FFT 图的横坐标轴坐标。得到的图形在 10Hz 处有一个尖峰，表明该处能量很高，这是因为该信号是一个 10Hz 的单频信号，所以频谱只在此处有值。

三、含有直流分量的信号做FFT问题

%%
clear; clc; close all; warning off;

%% 参数设置
fs = 50;  % 采样频率
L = 10;  % 时间长度
t = 0 : 1/fs : L;  % 时间坐标

%% 生成信号
fsignal = 10;  % 信号频率
s1 = 10 * sin(2 * pi * fsignal * t);
s2 = 10 * ones(1, length(t));
s = s1 + s2;
sDC = s - mean(s);  % 信号s去直流

%% FFT
numfft = 2048;  % fft点数
s_fft = fft(s, numfft);  % fft
p = abs(s_fft(1:numfft/2)) .^ 2;  % 能量（只取正频部分）
f = (0 : numfft/2-1) / numfft * fs;  % 频率（只取正频部分）

sDC_fft = fft(sDC, numfft);  
p2 = abs(sDC_fft(1:numfft/2)) .^ 2;  % 能量（只取正频部分）
f2 = (0 : numfft/2-1) / numfft * fs;  % 频率（只取正频部分）


%% 作图
figure(1);
subplot(3, 1, 1);
plot(s, 'linewidth', 1.5); axis('tight'); title('信号s');
subplot(3, 1, 2);
plot(f, p, 'linewidth', 1.5); axis('tight'); title('信号s的傅里叶变换');
subplot(3, 1, 3);
plot(f2, p2, 'linewidth', 1.5); axis('tight'); title('去直流信号sDC的傅里叶变换');

可以发现，如果信号含有直流分量，那么体现在频谱上，在 f=0 处会有一个能量尖峰，这是因为直流分量就是频率为 0 的信号。如果不进行去直流处理，那么会影响根据 FFT 频谱提取信号基频，因此要进行去直流处理！

四、知识点

1. 区分采样频率和信号频率

采样频率：是指 1s 内采多少个采样点，是抽样的概念。

信号频率：是指信号周期的倒数，是信号的概念。

进行 FFT 变换时，计算横坐标频率坐标值时使用的是采样频率 fs，从频谱分析到的能量尖峰对应的横坐标位置是信号频率。

（参考：MATLAB】理解采样频率和信号频率的关系）

（参考：FFT（快速傅里叶变换）中频率和实际频率的关系）

2. 区分时间分辨率和频率分辨率

时间分辨率和频率分辨率时时频分析中很重要的两个指标，若有采样频率为 $f_{s}$ ，FFT 点数为 $N$ ，则：

时间分辨率： $t_{resolution}=\frac{1}{f_{s}}$

频率分辨率： $f_{resolution}=\frac{fs}{N}$

（参考：关于频谱分析中两个重要指标：频率分辨率和时间分辨率的理解及计算）

3. FFT 点数的选取

FFT 点数的选取和要求分析的频率分辨率有关系，做完 FFT 之后纵坐标是采样频率/2 被平均划分到 N/2 个点，所以 N 越大，FFT 之后的频谱频率分辨率越高。

频率分辨率 = 采样频率 / FFT点数

（1）例一

%% 参数设置
fs = 50;  % 采样频率
L = 10;  % 时间长度
t = 0 : 1/fs : L;  % 时间坐标

%% 生成信号
fsignal = 10;  % 信号频率
A = 10;  % 信号幅值
s = A * sin(2 * pi * fsignal * t);

%% FFT
numfft = 64;  % fft点数
s_fft = fft(s, numfft);  % fft
p = abs(s_fft(1:numfft/2)) .^ 2;  % 能量（只取正频部分）
f = (0 : numfft/2-1) / numfft * fs;  % 频率（只取正频部分）

numfft2 = 1024;  % fft点数
s_fft2 = fft(s, numfft2);  % fft
p2 = abs(s_fft2(1:numfft2/2)) .^ 2;  % 能量（只取正频部分）
f2 = (0 : numfft2/2-1) / numfft2 * fs;  % 频率（只取正频部分）


%% 作图
figure(1);
subplot(3, 1, 1);
plot(s); axis('tight'); title('信号s');
subplot(3, 1, 2);
plot(f, p); axis('tight'); title('64点傅里叶变换');
subplot(3, 1, 3);
plot(f2, p2); axis('tight'); title('1024点傅里叶变换');

（2）例二

%% 观察多种采样点前提下的频谱变化
clear; clc; close all; warning off;

%% 参数设置
fs = 100;  % 采样频率
L = 10;  % 时间长度
t = 0 : 1/fs : L;  % 时间坐标

%% 生成信号
fsignal = 20;  % 信号频率
s1 = 10 * sin(2 * pi * fsignal * t);
s2 = 10 * ones(1, length(t));
s = s1 + s2;
sDC = s - mean(s);  % 信号s去直流

%% FFT
numfft = 32;
numfft1 = 64;  % fft点数
numfft2 = 128;
numfft3 = 256;
numfft4 = 512;

sDC_fft = fft(sDC, numfft);  
p = abs(sDC_fft(1:numfft/2)) .^ 2;  % 能量（只取正频部分）
f = (0 : numfft/2-1) / numfft * fs;  % 频率（只取正频部分）

sDC_fft1 = fft(sDC, numfft1);  
p1 = abs(sDC_fft1(1:numfft1/2)) .^ 2;  % 能量（只取正频部分）
f1 = (0 : numfft1/2-1) / numfft1 * fs;  % 频率（只取正频部分）

sDC_fft2 = fft(sDC, numfft2);  
p2 = abs(sDC_fft2(1:numfft2/2)) .^ 2;  % 能量（只取正频部分）
f2 = (0 : numfft2/2-1) / numfft2 * fs;  % 频率（只取正频部分）

sDC_fft3 = fft(sDC, numfft3);  
p3 = abs(sDC_fft3(1:numfft3/2)) .^ 2;  % 能量（只取正频部分）
f3 = (0 : numfft3/2-1) / numfft3 * fs;  % 频率（只取正频部分）

sDC_fft4 = fft(sDC, numfft4);  
p4 = abs(sDC_fft4(1:numfft4/2)) .^ 2;  % 能量（只取正频部分）
f4 = (0 : numfft4/2-1) / numfft4 * fs;  % 频率（只取正频部分）


%% 作图
figure(1);
subplot(5, 1, 1);
plot(f, p, 'linewidth', 1.5); axis('tight'); title('32点傅里叶变换');
subplot(5, 1, 2);
plot(f1, p1, 'linewidth', 1.5); axis('tight'); title('64点傅里叶变换');
subplot(5, 1, 3);
plot(f2, p2, 'linewidth', 1.5); axis('tight'); title('128点傅里叶变换');
subplot(5, 1, 4);
plot(f3, p3, 'linewidth', 1.5); axis('tight'); title('256点傅里叶变换');
subplot(5, 1, 5);
plot(f4, p4, 'linewidth', 1.5); axis('tight'); title('512点傅里叶变换');

（参考：数字信号处理】Matlab做fft时点数N怎么选取）

（参考：如何决定要使用多少点来做fft）

（参考：MATLAB中通过fft计算信号频谱的问题）

（参考：用MATLAB演示采样频率和点数对FFT的影响-好东西一定要及时保存）

（参考：快速傅里叶变换FFT点数和采样率）

Satisfying

关注

1
点赞
踩
24

收藏

觉得还不错? 一键收藏
打赏
0
评论
【20211206】【信号处理】对傅里叶变换的理解和一个小例子

一、傅里叶变换傅里叶变换是一种全局的变换，时域信号经过傅里叶变换后，就变成了频域信号，所以从傅里叶变换频谱上是无法看出时域信息的。傅里叶变换只适合处理平稳信号，对于非平稳信号，由于频率会随时间变化，为了捕获这种时变特性，需要对信号进行时频分析，比如：短时傅里叶变换、小波变换、希尔伯特黄变换等。短时傅里叶变换详见：【20211206】【信号处理】时频分析 —— 短时傅里叶变换（STFT）二、举个栗子使用 Matlab 生成一个单频信号，并进行 F...
复制链接

扫一扫