MATLAB 的fft函数返回值是什么啊
FFT(快速傅里叶变换)是一种实现DFT(离散傅里叶变换)的快速算法,是利用复数形式的离散傅里叶变换来计算实数形式的离散傅里叶变换,matlab中的fft()函数是实现该算法的实现。
MATLAB它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中,为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案,并在很大程度上摆脱了传统非交互式程序设计语言(如C、Fortran)的编辑模式,代表了当今国际科学计算软件的先进水平。
快速傅里叶变换, 即利用计算机计算离散傅里叶变换(DFT)的高效、快速计算方法的统称,简称FFT。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的。采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少,特别是被变换的抽样点数N越多,FFT算法计算量的节省就越显著。
扩展资料:
matlab优势特点:
1、高效的数值计算及符号计算功能,能使用户从繁杂的数学运算分析中解脱出来;
2、具有完备的图形处理功能,实现计算结果和编程的可视化;
3、友好的用户界面及接近数学表达式的自然化语言,使学者易于学习和掌握;
4、功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等) ,为用户提供了大量方便实用的处理工具。
参考资料来源:
百度百科-快速傅里叶变换
百度百科-MATLAB
fs=1000;%对连续信号进行量化处理,即对原始信号进行采样,这里是采样率,单位Hzts=1/fs;%采样间隔t=0:ts:1.3;x=sin(2*pi*50*t)+sin(2*pi*300*t);%y=@(t) sin(2*pi*50*t)+sin(2*pi*300*t);f=x+3.5*randn(1,length(t));subplot(411);plot(t,f);ylabel('幅值');xlabel('时间');title('原始信号');nfft= 2^nextpow2(length(f));%找出大于y的个数的最大的2的指数值y=fft(f,nfft);%对f信号进行DFT,得到频率的幅值分布p=y.*conj(y)/nfft;%conj()函数是求y函数的共轭复数,实数的共轭复数是他本身。ff=fs*(0:nfft/2-1)/nfft;% F F T 变换后对应的频率的序列subplot(412);plot(ff,p(1:nfft/2));ylabel('功率谱密度');xlabel('频率');title('信号功率谱');%------论坛上看到的求FFT的方法subplot(413);plot(ff,abs(y(1:nfft/2)));%(用这个,先取点数后求模)ylabel('幅值');xlabel('频率');title('单边幅频谱');%------matlab例子的求FFT的方法subplot(414);plot(ff,2*abs(y(1:nfft/2))/length(f));%(用这个,先取点数后求模)ylabel('幅值');xlabel('频率');title('单边幅频谱');%振幅的大小与所用DFT采样点数(nfft)有关,采用不同的DFT采样点数对同一信号,振幅是有不同的表现值
fft能分辨的最高频率为采样频率的一半(即Nyquist频率),函数fft返回值是以Nyqusit频率为轴对称的,Y的前一半与后一半是复数共轭关系。
FFT(快速傅里叶变换)是利用复数形式的离散傅里叶变换来计算实数形式的离散傅里叶变换,matlab中的fft()函数是实现该算法的实现。这种算法可以减少计算DFT的时间,大大提高了运算效率,并曾经一度被认为是信号分析技术划时代的进步。
扩展资料:
例子程序:
clear all %清除内存所有变量
close all %关闭所有打开的图形窗口
%% 执行FFT点数与原信号长度相等(100点)
% 构建原信号
N=100; % 信号长度(变量@@@@@@@)
Fs=1; % 采样频率
dt=1/Fs; % 采样间隔
t=[0:N-1]*dt; % 时间序列
xn=cos(2*pi*0.24*[0:99])+cos(2*pi*0.26*[0:99]);
xn=[xn,zeros(1,N-100)]; % 原始信号的值序列
subplot(3,2,1) % 变量@@@@@@@
plot(t,xn) % 绘出原始信号
xlabel('时间/s'),title('原始信号(向量长度为100)') % 变量@@@@@@@
% FFT分析
NN=N; % 执行100点FFT
XN=fft(xn,NN)/NN; % 共轭复数,具有对称性
f0=1/(dt*NN); % 基频
f=[0:ceil((NN-1)/2)]*f0; % 频率序列
A=abs(XN); % 幅值序列
subplot(3,2,2),stem(f,2*A(1:ceil((NN-1)/2)+1)),xlabel('频率/Hz') % 绘制频谱(变量@@@@@@@)
axis([0 0.5 0 1.2]) % 调整坐标范围
title('执行点数等于信号长度(单边谱100执行点)'); % 变量@@@@@@@
%% 执行FFT点数大于原信号长度
% 构建原信号
N=100; % 信号长度(变量@@@@@@@)
Fs=1; % 采样频率
dt=1/Fs; % 采样间隔
t=[0:N-1]*dt; % 时间序列
xn=cos(2*pi*0.24*[0:99])+cos(2*pi*0.26*[0:99]);
xn=[xn,zeros(1,N-100)]; % 原始信号的值序列
subplot(3,2,3) % 变量@@@@@@@
plot(t,xn) % 绘出原始信号
xlabel('时间/s'),title('原始信号(向量长度为100)') % 变量@@@@@@@
% FFT分析
NN=120; % 执行120点FFT(变量@@@@@@@)
XN=fft(xn,NN)/NN; % 共轭复数,具有对称性
f0=1/(dt*NN); % 基频
f=[0:ceil((NN-1)/2)]*f0; % 频率序列
A=abs(XN); % 幅值序列
subplot(3,2,4),stem(f,2*A(1:ceil((NN-1)/2)+1)),xlabel('频率/Hz') % 绘制频谱(变量@@@@@@@)
axis([0 0.5 0 1.2]) % 调整坐标范围
title('执行点数大于信号长度(单边谱120执行点)'); % 变量@@@@@@@
%% 执行FFT点数与原信号长度相等(120点)
% 构建原信号
N=120; % 信号长度(变量@@@@@@@)
Fs=1; % 采样频率
dt=1/Fs; % 采样间隔
t=[0:N-1]*dt; % 时间序列
xn=cos(2*pi*0.24*[0:99])+cos(2*pi*0.26*[0:99]);
xn=[xn,zeros(1,N-100)]; % 原始信号的值序列
subplot(3,2,5) % 变量@@@@@@@
plot(t,xn) % 绘出原始信号
xlabel('时间/s'),title('原始信号(向量长度为120)') % 变量@@@@@@@
% FFT分析
NN=120; % 执行120点FFT(变量@@@@@@@)
XN=fft(xn,NN)/NN; % 共轭复数,具有对称性
f0=1/(dt*NN); % 基频
f=[0:ceil((NN-1)/2)]*f0; % 频率序列
A=abs(XN); % 幅值序列
subplot(3,2,6),stem(f,2*A(1:ceil((NN-1)/2)+1)),xlabel('频率/Hz') % 绘制频谱(变量@@@@@@@)
axis([0 0.5 0 1.2]) % 调整坐标范围
title('执行点数等于信号长度(单边谱120执行点)'); % 变量@@@@@@@
参考资料来源:百度百科-快速傅里叶变换
一.调用方法
X=FFT(x);
X=FFT(x,N);
x=IFFT(X);
x=IFFT(X,N)
用MATLAB进行谱分析时注意:
(1)函数FFT返回值的数据结构具有对称性。
例:
N=8;
n=0:N-1;
xn=[4 3 2 6 7 8 9 0];
Xk=fft(xn)
Xk与xn的维数相同,共有8个元素。Xk的第一个数对应于直流分量,即频率值为0。
(2)做FFT分析时,幅值大小与FFT选择的点数有关,但不影响分析结果。在IFFT时已经做了处理。要得到真实的振幅值的大小,只要将得到的变换后结果乘以2除以N即可。
二.FFT应用举例
例1:x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。采样频率fs=100Hz,分别绘制N=128、1024点幅频图。
clf;
fs=100;N=128; %采样频率和数据点数
n=0:N-1;t=n/fs; %时间序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %信号
y=fft(x,N); %对信号进行快速Fourier变换
mag=abs(y); %求得Fourier变换后的振幅
f=n*fs/N; %频率序列
subplot(2,2,1),plot(f,mag); %绘出随频率变化的振幅
xlabel('频率/Hz');
ylabel('振幅');title('N=128');grid on;
subplot(2,2,2),plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅
xlabel('频率/Hz');
ylabel('振幅');title('N=128');grid on;
%对信号采样数据为1024点的处理
fs=100;N=1024;n=0:N-1;t=n/fs;
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %信号
y=fft(x,N); %对信号进行快速Fourier变换
mag=abs(y); %求取Fourier变换的振幅
f=n*fs/N;
subplot(2,2,3),plot(f,mag); %绘出随频率变化的振幅
xlabel('频率/Hz');
ylabel('振幅');title('N=1024');grid on;
subplot(2,2,4)
plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅
xlabel('频率/Hz');
ylabel('振幅');title('N=1024');grid on;
fft是离散傅里叶变换,返回的是输入信号的傅里叶变换值,是一个复数序列. 看不懂就该找本数学书看看, 没有基础知识是理解不了的.
我学过傅里叶变换,只是不懂fft函数如何使用,我只是想要一个例子然后我自己去琢磨,其实是我不太熟悉matlab
在命令行输入 doc fft 可以找到fft的帮助页面,里面有演示例子(代码)
MATLAB 的fft函数返回值是什么啊视频
相关评论: