matlab 频谱图例子_多分辨率频谱分析

来源：杭州锐达数字技术有限公司微信公众号，作者:James Zhuge，翻译:杭州锐达数字技术有限公司。

一、引言

机械结构和声学应用中的很多问题要求谱分析采用非均匀的频率分辨率。在这些应用中，我们更倾向于用对数刻度来描述频率轴，由此低频段有比高频段更高的频率分辨率。在介绍之后我们会讨论一些例子。

在CI产品描述0001《动态信号分析技术》^[2]中，我们讨论了各种频谱是如何计算的，包括线性谱、自谱、互谱、相位谱、相关函数和频率响应函数。在现代动态信号分析仪产品中，这些谱都是通过Cooley-Tukey FFT算法计算的^[1]。

离散傅里叶变换 (DFT) 的基本公式：

其中，x(n) 时域波形样本；n 为样本下标；N 为样本总数；k 为有限分析频率，对应FFT中心；X(k) 为x(n) 的离散傅里叶变换形式。

在多数情况下，我们采用基数为2的FFT算法，要求样本总数是2的整数幂。

图1 FFT算法结构的一个例子

FFT的一个显著特点是将采样率均匀的时域信号转换成频域信号，会在整个频率范围内产生均匀的频率分辨率。频率分辨率dF，是时域块信号的时长和块大小N 乘积的倒数。比如，将FFT应用到时长0.5s、块大小N=1024的时域块信号，那么频率分辨率为1/(0.5 sec*1024)=0.001953125Hz。

时域信号经FFT变换后，频谱的频率分辨率在分析频率范围内应均匀分布。10Hz处的频率分辨率和1000Hz处的频率分辨率相等。当分析中要求采用非均匀分布的频率分辨率时，基于FFT的谱分析就不适用了。

DFT计算次数的量级是N*N，FFT计算次数的量级是NlogN，其中N 是时域信号的块大小。如果1965年Cooley和Tukey没有发明出FFT算法，人们会使用效率较低的离散傅里叶变换 (DFT) 算法进行谱分析。DFT的优点是频谱的分辨率不必均匀分布。实际上，在做DFT变换时，频率分辨率可以任意分布，从这一点看DFT算法似乎优于FFT算法，然而DFT的计算花费太高了。

如果我们能够找到一种计算效率和FFT一样高，并且可以使频谱的分辨率非线性分布(尤其是对数分布)的算法，将会是革命性的。

经过20多年的研发，晶钻仪器公司成功将多分辨率频谱分析方法引入并应用到其多个产品中，包括CI随机振动控制器、动态信号分析仪和模态数据采集仪。多分辨率频谱分析方法解决上述提到的问题并具有一系列的优点，这篇文章将讨论它的应用和结果。

二、要求采用非均匀频率分辨率的例子

在这一节，我们讨论几个要求采用非均匀频率分辨率的例子。

1. 音乐频率

钢琴键盘上不同音调的频率不是沿线性尺度均匀分布，而是沿对数尺度均匀分布。