探秘MATLAB求FFT,计算能量谱

本文深入探讨了MATLAB中FFT的物理意义,解析了FFT结果的频率和幅度关系。通过实例展示了如何从FFT结果推导出信号的幅度和相位。讨论了如何提高频率分辨率,包括补充0的频率细分法。最后提供了MATLAB计算FFT的示例代码,以一个包含直流分量和两个交流信号的模拟信号为例,验证了FFT计算的正确性。

FFT是离散傅立叶变换的快速算法,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。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),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。例如点n所表示的频率为:Fn=(n-1)*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1Hz。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,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=(aa+bb)</

Matlab中使用`fft`函数计算噪声谱(单位为V/√Hz),可按以下步骤操作: #### 1. 生成噪声信号 假设采样频率为`Fs`,采样时间为`t`,生成高斯白噪声信号。 ```matlab Fs = 1000; % 采样频率 t = 0:1/Fs:1; % 时间向量 noise = randn(size(t)); % 生成高斯白噪声信号 ``` #### 2. 进行FFT变换 使用`fft`函数对噪声信号进行FFT变换,并根据采样点数`N`调整。 ```matlab N = length(noise); % 采样点数 Y = fft(noise, N); % 进行FFT变换 ``` #### 3. 计算单边幅值谱 由于FFT结果具有对称性,通常只需要分析单边频谱。 ```matlab P2 = abs(Y/N); % 双边幅值谱 P1 = P2(1:N/2+1); % 单边幅值谱 P1(2:end-1) = 2*P1(2:end-1); % 考虑双边谱合并到单边谱 ``` #### 4. 计算频率向量 根据采样频率和采样点数计算频率向量。 ```matlab f = Fs*(0:(N/2))/N; % 频率向量 ``` #### 5. 计算噪声谱(V/√Hz) 将单边幅值谱转换为噪声谱(V/√Hz),需要考虑频率分辨率。 ```matlab df = Fs/N; % 频率分辨率 noise_spectrum = P1/sqrt(df); % 噪声谱(V/√Hz) ``` #### 6. 绘制噪声谱 ```matlab plot(f, noise_spectrum) title('Noise Spectrum (V/\sqrt{Hz})') xlabel('Frequency (Hz)') ylabel('Amplitude (V/\sqrt{Hz})') ``` 完整代码如下: ```matlab Fs = 1000; % 采样频率 t = 0:1/Fs:1; % 时间向量 noise = randn(size(t)); % 生成高斯白噪声信号 N = length(noise); % 采样点数 Y = fft(noise, N); % 进行FFT变换 P2 = abs(Y/N); % 双边幅值谱 P1 = P2(1:N/2+1); % 单边幅值谱 P1(2:end-1) = 2*P1(2:end-1); % 考虑双边谱合并到单边谱 f = Fs*(0:(N/2))/N; % 频率向量 df = Fs/N; % 频率分辨率 noise_spectrum = P1/sqrt(df); % 噪声谱(V/√Hz) plot(f, noise_spectrum) title('Noise Spectrum (V/\sqrt{Hz})') xlabel('Frequency (Hz)') ylabel('Amplitude (V/\sqrt{Hz})') ```
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

打赏作者

Z_shsf

来包瓜子嘛,谢谢客官~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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