matlab 中FFT 使用

                                      傅里叶变换与快速傅里叶变换

作为电子信息专业的学生老说,这个不知道,或者理解不清楚,是十分不应该的,作为一个学渣,有时候确实是理解不清楚的

1、首先离散傅里叶变换目的 简单点说: 就是将一个信号从时域变换到频域

                                         标准点说: 将以时间为自变量的信号 与 频率为自变量的频谱函数之间的某种关系变换


数学描述

对于N点序列\left\{x[n]\right\}_{0\le n <N},它的离散傅里叶变换(DFT)为
\hat{x}[k]=\sum_{n=0}^{N-1} e^{-i\frac{2\pi}{N}nk}x[n] \qquad k = 0,1,\ldots,N-1.
其中e自然对数底数i虚数单位。通常以符号\mathcal{F}表示这一变换,即
\hat{x}=\mathcal{F}x

离散傅里叶变换的逆变换(IDFT)为:
x\left[n\right]={1 \over N}\sum_{k=0}^{N-1} e^{ i\frac{2\pi}{N}nk}\hat{x}[k] \qquad n = 0,1,\ldots,N-1.
可以记为:
x=\mathcal{F}^{-1}\hat{x}

其次快速傅里叶变换


下面给出一个fft的栗子: 有一个信号,表达式如下所示:
S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)

 现在对该信号做N = 512 点快速傅里叶变换:观察其幅度频率特性 和相位频率特性;

说明:

      要说明的是采样点数会影响频率分辨率的 例如 抽样频率为Fs  = 1024 Hz 采样点数N = 1024 那么频率分辨率为 1Hz  如果N = 512 那么采样频率为 2Hz,假设原信号的幅值为 Ac  并且经过FFT 变换后的结果每个点的幅值 是Ac*(N/2) (除了直流分量) 模值是直流分量的 N 倍

代码:

close all;
Adc = 2; %直流分量为2
A1 = 3; %频率 F1信号的幅度
A2 = 1.5; %频率为F2信号的频率
F1 = 50;
F2 = 75;
Fs = 256; %抽样频率为1024Hz
P1 = -30; %相位为 -30度
P2 = 90 ;%相位为90度
N= 256; %采样点数为1024 
t = [0:1/Fs:N/Fs];

%信号
S = Adc + A1*cos(2*pi*F1*t + pi*P1/180) + A2*cos(2*pi*F2*t +pi*P2/180);
plot(S);   %显示原始信号
title('原始信号');

%对其做fft变换
figure;
Y = fft(S,N);
Ayy = abs(Y);
plot(Ayy(1:N)); %原始信号fft模值

%下面对其才进行幅频分析
figure;
Ayy = Ayy/(N/2); % 还原真实幅度值
Ayy(1) = Ayy(1)/2;
F =([1:N])*Fs/N;
plot(F,Ayy);
title('幅频特性');

%下面是相频特性
figure;
Pyy = [1:N/2] ; %为什么这里是1:N/2 因为每次采样就是有一半是没有用的
for i= 1:N/2
    Pyy(i) = phase(Y(i));
    Pyy(i) = Pyy(i)*180/pi;  %并将器转换为角度
end
plot(F(1:N/2),Pyy);
title('相位频率特性曲线');
    

然后运行结果:


2.fft变换后的赋值


3、信号的幅频特性:


4、相频特性





wangxiaoming CSDN认证博客专家 架构 Spring Boot Redis
博客是很好的总结和记录工具,如果有问题,来不及回复,关注微信公众号:程序员开发者社区,获取我的联系方式,向我提问,也可以给我发送邮件,联系 1275801617@qq.com
©️2020 CSDN 皮肤主题: Age of Ai 设计师: meimeiellie 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值