转 MATLAB画FFT，附MATLAB计算fft的函数

最新推荐文章于 2024-06-30 12:21:15 发布

一枚努力的程序猿

最新推荐文章于 2024-06-30 12:21:15 发布

阅读量1.5k

点赞数 3

分类专栏： matlab

原文链接：http://blog.sina.com.cn/s/blog_a07f4fe301013gj3.html

版权

matlab 专栏收录该内容

24 篇文章 4 订阅

订阅专栏

Version:1.0 StartHTML:000000215 EndHTML:000069168 StartFragment:000005330 EndFragment:000069076 StartSelection:000006409 EndSelection:000069072 SourceURL:http://blog.sina.com.cn/s/blog_4405fa340102xjym.html[转载]利用matlab怎样进行频谱分析_大漠东风_新浪博客

MATLAB怎样实现FFT

用Matlab实现快速傅立叶变换

FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。
虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。
现在就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此啰嗦了。
采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。
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。具体跟原始信号的幅度有什么关系呢？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，也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。由上面的公式可以看出，Fn所能分辨到频率为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，~~如果采样2秒时间的信号并做FFT~~，（是否应该说采样点数为2*1024,并不是2s的数据））则结果可以分析到0.5Hz。如果要提高频率分辨力，则必须增加采样点数，~~也即采样时间~~。频率分辨率和采样时间是倒数关系。
假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是An=根号a*a+b*b，相位就是Pn=atan2(b,a)。根据以上的结果，就可以计算出n点（n≠1，且n<=N/2）对应的信号的表达式为：An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。对于n=1点的信号，是直流分量，幅度即为A1/N。由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。
下面以一个实际的信号来做说明。假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V的交流信号，以及一个频率（f0）为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下：S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)。式中cos参数为弧度，所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样，总共采样256点。按照我们上面的分析，Fn=(n-1)*Fs/N，我们可以知道，每两个点之间的间距就是1Hz，第n个点的频率就是n-1。我们的信号有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第51个点、第76个点上出现峰值，其它各点应该接近0。实际情况如何呢？我们来看看FFT的结果的模值如图所示。

从图中我们可以看到，在第1点、第51点、和第76点附近有比较大的值。我们分别将这三个点附近的数据拿上来细看：
1点： 512+0i
2点： -2.6195E-14 - 1.4162E-13i
3点： -2.8586E-14 - 1.1898E-13i
50点：-6.2076E-13 - 2.1713E-12i
51点：332.55 - 192i
52点：-1.6707E-12 - 1.5241E-12i
75点：-2.2199E-13 -1.0076E-12i
76点：3.4315E-12 + 192i
77点：-3.0263E-14 +7.5609E-13i
很明显，1点、51点、76点的值都比较大，它附近的点值都很小，可以认为是0，即在那些频率点上的信号幅度为0。接着，我们来计算各点的幅度值。分别计算这三个点的模值，结果如下：
1点： 512
51点：384
76点：192
按照公式，可以计算出直流分量为：512/N=512/256=2；50Hz信号的幅度为：384/(N/2)=384/(256/2)=3；75Hz信号的幅度为192/(N/2)=192/(256/2)=1.5。可见，从频谱分析出来的幅度是正确的。
然后再来计算相位信息。直流信号没有相位可言，不用管它。先计算50Hz信号的相位，atan2(-192, 332.55)=-0.5236,结果是弧度，换算为角度就是180*(-0.5236)/pi=-30.0001。再计算75Hz信号的相位，atan2(192, 3.4315E-12)=1.5708弧度，换算成角度就是180*1.5708/pi=90.0002。可见，相位也是对的。根据FFT结果以及上面的分析计算，我们就可以写出信号的表达式了，它就是我们开始提供的信号。

总结：假设采样频率为Fs，采样点数为N，做FFT之后，某一点n（n从1开始）表示的频率为：Fn=(n-1)*Fs/N；该点的模值除以N/2就是对应该频率下的信号的幅度（对于直流信号是除以N）；该点的相位即是对应该频率下的信号的相位。相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值，范围从-pi到pi。要精确到xHz，则需要采样长度为1/x秒的信号，并做FFT。要提高频率分辨率，就需要增加采样点数，这在一些实际的应用中是不现实的，需要在较短的时间内完成分析。解决这个问题的方法有频率细分法，比较简单的方法是采样比较短时间的信号，然后在后面补充一定数量的0，使其长度达到需要的点数，再做FFT，这在一定程度上能够提高频率分辨力。具体的频率细分法可参考相关文献。

附贴上上述例子的matlab程序：

Matlab的例子（一）

t=0:1/256:1;%采样步长

y= 2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180);

N=length(t); %样点个数

plot(t,y);

fs=256;%采样频率

df=fs/(N-1) ;%分辨率

f=(0:N-1)*df;%其中每点的频率

Y=fft(y)/N*2;%真实的幅值

%Y=fftshift(Y);

figure(2)

plot(f,abs(Y));

由于以上程序是结合傅里叶算法转换得到的对称图，而常用的只需要一半就可以了。对应的程序如下：

t=0:1/256:1;%采样步长

y= 2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180);

N=length(t); %样点个数

plot(t,y);

fs=256;%采样频率

df=fs/(N-1);%分辨率

f=(0:N-1)*df;%其中每点的频率

Y=fft(y(1:N))/N*2;%真实的幅值

%Y=fftshift(Y);

figure(2)

plot(f(1:N/2),abs(Y(1:N/2)));

附一个计算fft的文件，MATLAB里面计算，输入数组和点数，已验证有效（数组是列还是行，可能需要自己调）

若将原始数据继续扩大N倍，fft的结果也会扩大N倍；若查表数据扩大N倍，在使用到查表对应的值时，待处理结束后除以N即可，但是会引入误差；

function result = FFT_RIGHT(x, N)

x = double(x);
f = 1;
writetex = 0;
if writetex == 1;
fid = fopen('.\fft_vivien.txt','w'); %获取目标文件写入权限
end

    M = log2(N);
    if length(x) < N ;
        x = [x zeros(1,N-length(x))];                   %若x的长度不是2的整数次幂，则补零至N
    end
    BRTable = bin2dec(fliplr(dec2bin([1:N]-1,M))) + 1;  %求 1：N 序列序号的倒位序:1.将系数取二进制并对调,然后取十进制 
                                                        %2.matlab的下标从1开始，需要加1
    Xreal = x(BRTable);                                 %调整x输入顺序后的序列，并作为X的初始化 
    Ximag = zeros(1,N);
    X = x(BRTable);
    WN = exp(-j*2*pi/N);
    for L = 1:M;
        B = 2^(L-1);                                    %第L级中，每个蝶形的两个输入数据相聚B个点，共有B个旋转因子
        for J = 0:B-1;                                  %第L级中不同的旋转因子
            p = J*2^(M-L);                              %旋转因子的指数
            WNp = WN^p;
            %p = p*j;
            for k = J+1: 2^L : N; 
 %计算出来的包括实部和虚部  此种方法已验证正确
 f=0;
 if f>0
                 t = X(k+B) * WNp;                         %产生错误：未定义与'cell'类型的输入参数相对应的运算符‘*’-x=[]非x={}              
                 X(k+B) = X(k)-t;                          %将公式写成指数的形式，按虚实区分
                 X(k) = X(k)+t;
 else 

                 Wncosp = cos(2*pi/N*p);
                 Wnsinp = sin(2*pi/N*p);
                 Treal = Xreal(k+B)*Wncosp+Ximag(k+B)*Wnsinp;
                 Timag = Ximag(k+B)*Wncosp-Xreal(k+B)*Wnsinp;
                 Xreal(k+B) = Xreal(k) -Treal;
                 Ximag(k+B) = Ximag(k) -Timag;
                 Xreal(k) = Xreal(k)+Treal;
                 Ximag(k) = Ximag(k)+Timag;
 end
            end
        end
    end               




    %求数据的模
    for i = 1:1:N;
        Rereal(i) = Xreal(i)*Xreal(i);
        Reimag(i) = Ximag(i)*Ximag(i);
        Result(i) = sqrt(Rereal(i)+Reimag(i));
        fprintf('%d \r\n ',Result(i));
        if writetex == 1  %写入操作
            fprintf(fid,'%d, %d,%d, %d \n',i,Rereal(i),Reimag(i),Result(i) ); %将数据写入目标文件
        end
    end
    
    if writetex == 1            
        fclose(fid); %关闭对目标文件操作的入口
    end

end