更改快速傅里叶变换FFT采样点数对结果的影响

在研究FFT的时候发现给不同的采样点数，FFT的结果不同，遂有研究此现象的想法（实际结果是相同的，只不过我当时不懂，没设置正确的频率显示范围）
————————————————————————————

首先先搞出来一个波来研究，波的参数如下：

from math import *
import numpy as np
from matplotlib import pyplot as plt
from scipy.fftpack import fft, fftshift

Fs = 1000  # 采样频率
N = 2  # 采样总时间
T = np.linspace(0, N, Fs * N)  # 一系列采样点对应的时间
f1 = 100  # 第一个正弦波的频率
f2 = 40  # 第二个正弦波的频率
Wav = [200 * sin(2 * pi * f1 * t) + 100 * sin(2 * pi * f2 * t) for t in T]  # 合成波，幅值为200和100

看一下波的形状：

plt.figure(figsize=(10, 6), dpi=150)
plt.plot(np.arange(0, 1000), Wav[0:1000])

先设置采样点数为2000，进行FFT，并输出结果图像：

N_ = 2000  # 采样数
FFT = fft(Wav[0:N_])
FFT = abs(FFT) / len(FFT)

plt.figure(figsize=(10, 6), dpi=150)
plt.plot(np.linspace(0, 400 * Fs / N_, 400), FFT[0:400])

这段代码里最重要的就是np.linspace(0, 400 * Fs / N_, 400)
他把我们不同采样数对应的FFT的结果频率转化为我们设置的Fs频率范围下，这样我们才能看到正确的结果
参考：离散傅里叶变换(DFT)
之所以有一个400是因为原长度太长了，不太好看结果频率在哪，我才设置成只取前400个FFT结果（正常这个位置是len(FFT)，即采样数N_）

下面我们来看一下2000采样数的结果：

把采样数N_改成1500，再看看

1000：

500：

100：

可以说都较为准确检测出了内含的两个波段，当采样频率比较低时（100），也基本可以看出来结果，所以更改采样点数对结果基本没有影响（只要不是太低）