FFT是Fast Fourier Transform(快速傅里葉變換)的簡稱,這種算法可以減少計算DFT(離散傅里葉變換,關於此更詳細的說明見後文)的時間,大大提高了運算效率,並曾經一度被認爲是信號分析技術劃時代的進步,其重要性由此可見一斑。閒話少敘,言歸正傳。
基於FFT在信號分析中的重要性,其必然會成爲MATLAB的座上賓。FFT算法在MATLAB中實現的函數是Y=fft(x,n)。剛接觸頻譜分析用到FFT時,幾乎都會對MATLAB的fft函數產生一些疑惑,本文本着從問題出發的原則,主要着手對一下幾個問題進行解釋:
(一)fft函數計算得到的Y是輸入信號x的頻譜嗎?如果不是還要經過怎樣的變換?爲什麼要除以N。
(二)如何計算Y對應的頻率f,並繪製(f,Y)頻譜圖?
(三)如何根據離散信號的長度確定n的數值?
下面以MATLAB幫助文檔中的例子來一一看這幾個問題。
- Fs = 1000; % Sampling frequency
- T = 1/Fs; % Sample time
- L = 1000; % Length of signal
- t = (0:L-1)*T; % Time vector
- % Sum of a 50 Hz sinusoid and a 120 Hz sinusoid
- x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
- y = x + 2*randn(size(t)); % Sinusoids plus noise
- subplot(2,1,1)
- plot(Fs*t(1:50),x(1:50))
- title('Sinusoids Signal')
- xlabel('time (milliseconds)')
- subplot(2,1,2)
- plot(Fs*t(1:50),y(1:50))
- title('Signal Corrupted with Zero-Mean Random Noise')
- xlabel('time (milliseconds)')
- NFFT = 2^nextpow2(L); % Next power of 2 from length of y
- Y = fft(y,NFFT)/L; % (1)
- f = Fs/2*linspace(0,1,NFFT/2+1);
- % Plot single-sided amplitude spectrum.
- figure
- plot(f,2*abs(Y(1:NFFT/2+1))) % (2)
- title('Single-Sided Amplitude Spectrum of y(t)')
- xlabel('Frequency (Hz)')
- ylabel('|Y(f)|')
1、關於問題(一)
程序(1)處爲何要除以信號的採樣長度L?
由Fourier變換對
可知,fft函數直接計算得到的X(k)並不是頻譜幅值。
在x(j)的Fourier級數(3)中,諧波分量
對應的幅值爲X(k)/N,因此必須對fft得到的結果除以離散信號的長度N才能得到頻譜幅值。
2、關於問題(三)
程序(1)處,fft函數的第二個參數NFFT爲何取值
- NFFT = 2^nextpow2(L);
由(2)可知幅值譜只取了前半部分,並且還要乘以倍數2。也就是說頻譜幅值是
- 2*abs(Y(1:NFFT/2+1))
這是因爲信號的頻譜是前後對稱的,而且一般負頻率沒有物理意義。也就是說絕對值相等的頻率,其對應的頻率幅值是相等的,所以把正頻率對應的頻率幅值的兩倍作爲頻譜幅值。
3、關於問題(二)
由離散傅里葉變換(DFT)的推導過程可知,如果信號的時間長度是T0,則用DFT進行頻譜分析的頻率分辨率是1/T0。由於fft函數取信號的長度是NFFT,採樣頻率是Fs,由此可知fft的頻率分辨率是Fs/NFFT。因此與頻譜幅值
- 2*abs(Y(1:NFFT/2+1))
- f=1/(NFFT*T)*(0:NFFT/2);
- f = Fs/2*linspace(0,1,NFFT/2+1);