《Matlab中快速傅里叶变换FFT结果的物理意义》由会员分享，可在线阅读，更多相关《Matlab中快速傅里叶变换FFT结果的物理意义（7页珍藏版）》请在金锄头文库上搜索。
1、Matlab中快速傅里叶变换FFT结果的物理意义（转载）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
2、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）,
3、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-l)*Fs/N。由上面的公式可以看出，Fn 所能分辨到频率为为Fs/N,如果采样频率Fs为1024Hz，采样点数为 1024点，则可以分辨到1 Hz。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,则结果可以分析到0.5Hz。如果要 提高频率分辨力
4、，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主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50
5、Hz、相位为-30度、幅度为3V的交流信号，以 及一个频率为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-l)*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-10我们的信号有3个频率：0Hz、50Hz、75Hz，应该 分别在第1个点、第50个点、第76个点上出现
6、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+0i2点：-2.6195E-14 - 1.4162E-13i3点：-2.8586E-14 - 1.1898E-13i50点：-6.2076E-13 - 2.1713E-12i51点：332.55 - 192i52点：-1.6707E-12 - 1.5241E-12i75点：-2.2199E-13 -1.0076E-12i76 点：3.4315E-12 + 192i7 点：-3.0263E-14
7、 +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：51251 点:38476 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(
8、-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。10原始信号-5i0幅度一频率曲线图4厂3 -Q2-Q1 -0 laXOBQOQQQOGOXQXiateEcaXiajJJJIWQQXQtaaiCGQQQDlaJIEUlEOQtejZqXOIXIElZE
9、daiCQfeoogJIEWQjaoGaiamteaDQOQOOQaJZEQOQQQteaiQO1020406080100120140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-l)*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
10、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。附录：本测试数据使用的matlab程序clc;clear;Adc=2; %直流分量幅度Al=3; %频率Fl信号的幅度A2=1.5; %频率F2信号的幅度F1=50; %信号1频率(Hz)F2=75; %信号2频率(Hz)Fs=256; %采样频率(Hz)P1=-30; %信号1相位(度)P2=90; %信号相位(度)N=256; %采样点数
11、t二0:1/Fs:N/Fs; %采样时刻%信号S=Adc+A1*cos(2*pi*F1*t+pi*P1/180)+A2*cos(2*pi*F2*t+pi*P2/180);%显示原始信号subplot(411);plot(S);title(原始信号);Y = fft(S,N); %做 FFT 变换Ayy = (abs(Y); %取模subplot(412);stem(Ayy(1:N); %显示原始的 FFT 模值结果title(FFT 模值);Ayy二Ayy/(N/2); %换算成实际的幅度Ayy(l)=Ayy(l)/2;F=(1:N-1)*Fs/N; %换算成实际的频率值，Fn=(n-l)*F
12、s/N subplot(413);stem(F(l:N/2),Ayy(l:N/2); %显示换算后的 FFT 模值结果 title(幅度-频率曲线图);Pyy=1:N/2;for i=l:N/2Pyy(i)=angle(Y(i); %计算相位 Pyy(i)=Pyy(i)*180/pi; % 换算为角度 end;subplot(414);stem(F(l:N/2),Pyy(l:N/2); % 显示相位图title(相位-频率曲线图)；clf;figurett=load(tuogui2.txt);Fs=1000;%采样频率采样频率大于信号频率的2倍N=2048*2; %y=fft(tt(:,2),N);A=abs(y);A=A/(N/2);%换算成实际的幅度A(1)=A(1)/2;F=(0:N-1)*Fs/N; %换算成实际的频率值 plot(F(l:N/2),A(l:N/2);%显示换算后的FFT模值结果
