快速傅立叶变换FFT频谱分析程序1..doc

快速傅立叶变换FFT频谱分析程序 /geophysics/blog/item/12bd2e2ea3cad5584ec22602.html例如，使用ScopFFT快速傅立叶频谱分析程序对含有噪音的信号（信号成分：振幅6的50Hz正弦波，振幅4的200Hz正弦波，振幅5的250Hz正弦波）进行FFT频谱分析。 通过ScopFFT快速傅立叶频谱分析程序进行FFT频谱分析可以得到下图的分析结果，可以清晰的分析出振幅约6的50Hz正弦波，振幅约4的200Hz正弦波和振幅约5的250Hz正弦波这三个主要频率成分。 使用Matlab对采样数据进行频谱分析/%D1%EE%C1%D6%B1%AA/blog/item/4908bdfb354bdb17a9d3116d.html 最近做毕设，要对采集到的数据进行频谱分析。刚开始将所有采样数据全部送入Matlab进行分析，效果总是很不理想。翻阅课本、搜查网页，总结出使用Matlab对采样数据进行频谱分析的理论和方法，特整理于此，和大家分享。。。1、采样数据导入Matlab 采样数据的导入至少有三种方法。第一就是手动将数据整理成Matlab支持的格式，这种方法仅适用于数据量比较小的采样。第二种方法是使用Matlab的可视化交互操作，具体操作步骤为：File -- Import Data，然后在弹出的对话框中找到保存采样数据的文件，根据提示一步一步即可将数据导入。这种方法适合于数据量较大，但又不是太大的数据。据本人经验，当数据大于15万对之后，读入速度就会显著变慢，出现假死而失败。第三种方法，使用文件读入命令。数据文件读入命令有textread、fscanf、load等，如果采样数据保存在txt文件中，则推荐使用 textread命令。如 [a,b]=textread(data.txt,%f%*f%f); 这条命令将data.txt中保存的数据三个三个分组，将每组的第一个数据送给列向量a，第三个数送给列向量b，第二个数据丢弃。命令类似于C语言，详细可查看其帮助文件。文件读入命令录入采样数据可以处理任意大小的数据量，且录入速度相当快，一百多万的数据不到20秒即可录入。强烈推荐！ 2、对采样数据进行频谱分析 频谱分析自然要使用快速傅里叶变换FFT了，对应的命令即 fft ，简单使用方法为：Y=fft(b,N)，其中b即是采样数据，N为fft数据采样个数。一般不指定N，即简化为Y=fft(b)。Y即为FFT变换后得到的结果，与b的元素数相等，为复数。以频率为横坐标，Y数组每个元素的幅值为纵坐标，画图即得数据b的幅频特性；以频率为横坐标，Y数组每个元素的角度为纵坐标，画图即得数据b的相频特性。典型频谱分析M程序举例如下： clcfs=100;t=[0:1/fs:100];N=length(t)-1;%减1使N为偶数%频率分辨率F=1/t=fs/Np=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)...+0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t);%上面模拟对信号进行采样，得到采样数据p，下面对p进行频谱分析figure(1)plot(t,p);grid ontitle(信号 p(t));xlabel(t)ylabel(p) Y=fft(p);magY=abs(Y(1:1:N/2))*2/N;f=(0:N/2-1)*fs/N;figure(2)%plot(f,magY);h=stem(f,magY,fill,--);set(h,MarkerEdgeColor,red,Marker,*)grid ontitle(频谱图 （理想值：[0.48Hz,1.3]、[0.52Hz,2.1]、[0.53Hz,1.1]、[1.8Hz,0.5]、[2.2Hz,0.9]） );xlabel(f (Hz))ylabel(幅值) 对于现实中的情况，采样频率fs一般都是由采样仪器决定的，即fs为一个给定的常数；另一方面，为了获得一定精度的频谱，对频率分辨率F有一个人为的规定，一般要求F0.01，即采样时间ts100秒；由采样时间ts和采样频率fs即可决定采样数据量，即采样总点数N=fs*ts。这就从理论上对采样时间ts和采样总点数N提出了要求，以保证频谱分析的精准度。 3、数据长度的选择 频率分辨率F，顾名思义就是频谱中能够区分出的最小频率刻度。如F=0.01，则频谱图中横坐标频率的最小刻度为0.01，即0.02Hz和 0.03Hz是没有准确数据的，但Matlab在画图时对其进行了插值，故而plot作图时看到的频谱是连续的。但用stem来作图就可以看出频率是离散的，