用FFT分析信号的功率谱

        最近在做信号与信息处理实验，正巧用到了功率谱分析，把自己用FFT做功率谱分析的心得写下来分享给大家，头一回写博客，有问题大家指正。        

       对0~t时间内的一段信号按照fs频率进行采样，得到N点样本。假设N为2的整数次幂。下面对N点信号进行FFT双边功率谱密度分析。

    首先，对N点样本进行FFT变换得到的是N点的DFT。其中频域的N点，对应的就是抽样频率fs，而且频域是关于N/2点对称的。（这是根据离散傅里叶变换的周期性得到的。）

    然后，频域序列和自身的共轭相乘。

    最后，还要除以序列的长度N点。

    解释：根据随机信号的功率谱密度公式，中是对（-T，T）上的时间序列做傅里叶变换，也就是将时间序列截断后的傅里叶变换。公式中的数学期望是针对随机信号而言的，由于我们是对一段已知信号的功率谱分析，公式中的期望就不必使用，公式化简为。

    FFT序列和自身共轭相乘得到的就是模的平方项。

    最后一步除以N，是对应公式中的2T。

    下面贴上matlab官方的一段代码及我本人的一些注释：

t = 0:.001:.25;

x = sin(2*pi*50*t) + sin(2*pi*120*t);

y = x + 2*randn(size(t));

plot(y(1:50))

title('Noisy time domain signal')

Y = fft(y,251);

%离散傅里叶变换

Pyy = Y.*conj(Y)/251;

%得到功率谱值

f = 1000/251*(0:127);

%根据频率轴的对称性，设置图像横坐标

plot(f,Pyy(1:128))

title('Power spectral density')

xlabel('Frequency (Hz)')

plot(f(1:50),Pyy(1:50))

title('Power spectral density')

xlabel('Frequency (Hz)')

    最后做一点补充，至于为什么关于频率轴对称，那是因为抽样以后频域进行了fs的周期延拓，我们最终只取了主值N段。