信号处理(一)获取信号频谱——傅里叶变换

本文介绍了傅里叶变换的基本概念,包括信号分解、简谐运动和傅里叶级数。通过MATLAB代码展示了如何使用FFT计算信号的频谱,从而将时域信号转换为频域信号,便于分析信号的频谱信息。


前言

本文主要介绍傅里叶变换的思想及matlab实现,旨在用简单的语言讲清楚。由于傅里叶变换的原理涉及大量数学推导,因此不过多介绍。


一、傅里叶变换是什么?

1.信号分解


在高中,我们知道,对于一个向量 a = ( x , y ) a = (x, y) a=(x,y),可以用二维平面上的一个有向箭头来表示,并且,这个有向箭头可以被分解到x轴和y轴上,即

( x , y ) = x ( 1 , 0 ) + y ( 0 , 1 ) (x, y) = x(1, 0) + y(0, 1) (x,y)=x(1,0)+y(0,1)

这个过程就是将向量分解成最简单的向量的过程,而这“最简单的向量”,数学上称之为“”。对于信号,我们也希望能够将其分解为简单的函数之和,因此,信号分解就是寻找“基函数”,并确定每个基函数的幅值大小的过程。

2.简谐运动


自然界中,当物体发生振动时,最简单最基本的振动类型即为简谐运动,用数学函数来表达简谐运动,会发现其实质就是正弦运动,用三角函数表达。

x = A × s i n ( ω × t + ϕ ) x = A \times sin(ω \times t + \phi) x=A×sin(ω×t+ϕ)

而在高数中,我们知道三角函数是正交的。因此,三角函数系能够作为信号的正交基函数

3.傅里叶级数


对于时域上的连续周期信号 x ( t ) x(t) x(t),可以将其分解成多个三角函数之和。

x ( t ) = ∑ n = − ∞ ∞ C n × e j n ω t x(t)= \sum_{n=-{\infty}}^{\infty} C_n\times e^{jn\omega t} x(t)=n=

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
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、付费专栏及课程。

余额充值