最新快速傅立叶变换FFT频谱分析程序1Word文档下载推荐.docx
《最新快速傅立叶变换FFT频谱分析程序1Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《最新快速傅立叶变换FFT频谱分析程序1Word文档下载推荐.docx(26页珍藏版)》请在冰豆网上搜索。
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:
clc
fs=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/N
p=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);
gridon
title('
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'
*'
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])'
f(Hz)'
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F<
0.01,即采样时间ts>
100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,stem对了解F的含义非常有帮助。
由此,我们可以进一步思考。
如果信号所包含的频率分量不是F的整数倍,那么这个频率分量就不会得到正确的反映。
如信号包含1.13Hz频率分量,而F=1/ts=fs/N=0.02,则1.13/0.02=56.5,不等于整数,即在频谱图中找不到准确的刻度,而只能在第56和57个频率刻度上分开显示其幅值,这自然就不准确了。
因此,请大家在频谱分析时一定要使F能够被频率精度整除。
如要求频率精确度为0.01,则F最大为0.01,也可取值为0.02、0.05、0.001等数据,使0.01/F=整数。
而F仅仅由采样时间ts(也称数据长度)决定,因此一定要选择好ts,且要首先确定ts的值。
作为验证,对上面的程序做一个修改:
将t=[0:
改为t=[0:
83];
即ts由100改为83,则F=1/ts由0.01变为0.012。
二者分别作出频谱图对比如下:
上图1频谱图:
ts=100s,F=1/ts=0.01
上图2频谱图:
ts=83s,F=1/ts=0.012
对比上面两个图即可发现,图2中由于f/F不是整数,在横坐标中找不到对应的刻度,从而使得各个频率的幅值泄漏到了其他频率。
总结上面的结论,在保证采样定理所要求的二倍频的前提下,并不是采样频率fs或采样点数N越大越好,而是要控制好数据长度ts,使频率分辨率F满足频率精度。
FFT实践及频谱分析
(2)
%
FFT实践及频谱分析
%
%***************************************%
%***************1.正弦波****************%
%设定采样频率
N=128;
n=0:
N-1;
t=n/fs;
f0=10;
%设定正弦信号频率
%生成正弦信号
x=sin(2*pi*f0*t);
figure
(1);
subplot(231);
plot(t,x);
%作正弦信号的时域波形
y'
正弦信号y=2*pi*10t时域波形'
grid;
%进行FFT变换并做频谱图
y=fft(x,N);
%进行fft变换
mag=abs(y);
%求幅值
length(y)-1)'
*fs/length(y);
%进行对应的频率转换
subplot(232);
plot(f,mag);
%做频谱图
axis([0,100,0,80]);
频率(Hz)'
正弦信号y=2*pi*10t幅频谱图N=128'
%求均方根谱
sq=abs(y);
subplot(233);
plot(f,sq);
均方根谱'
正弦信号y=2*pi*10t均方根谱'
%求功率谱
power=sq.^2;
subplot(234);
plot(f,power);
功率谱'
正弦信号y=2*pi*10t功率谱'
%求对数谱
ln=log(sq);
subplot(235);
plot(f,ln);
对数谱'
正弦信号y=2*pi*10t对数谱'
%用IFFT恢复原始信号
xifft=ifft(y);
magx=real(xifft);
ti=[0:
length(xifft)-1]/fs;
subplot(236);
plot(ti,magx);
通过IFFT转换的正弦信号波形'
%****************2.矩形波****************%
fs=10;
t=-5:
0.1:
5;
x=rectpuls(t,2);
x=x(1:
99);
figure
(2);
plot(t(1:
99),x);
%作矩形波的时域波形
矩形波时域波形'
y=fft(x);
矩形波幅频谱图'
矩形波均方根谱'
矩形波功率谱'
矩形波对数谱'
通过IFFT转换的矩形波波形'
%****************3.白噪声****************%
x=zeros(1,100);
x(50)=100000;
figure(3);
100),x);
%作白噪声的时域波形
白噪声时域波形'
白噪声幅频谱图'
白噪声均方根谱'
白噪声功率谱'
白噪声对数谱'
通过IFFT转换的白噪声波形'
FFT的计算结果,对应的频点计算公式(3)
1.FFT的频率分辨率计算公式为:
△f=fs/N;
其中fs为采样频率;
N为FFT变换的点数
2.FFT的计算结果,对应的频点计算公式:
1*fs/N,2f*s/N,3f*s/N,……N*fs/N。
举例说明:
用1KHZ的采样率采样信号128点,则FFT结果的128个数据即对应的频率点分别是1k/128,2k/128,3k/128,……128k/128HZ。
FFT结果的物理意义(转圈圈)
FFT是离散傅立叶变换的快速算法,可以将一个信号变换到频域。
有些信号在时域上是很难看出什么特征的,但是如果变换到频域之后,就很容易看出特征了。
这就是很多信号分析采用FFT变换的原因。
另外,FFT可以将一个信号的频谱提取出来,这在频谱分析方面也是经常用的。
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。
现在圈圈就根据实际经验来说说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,这些我就不在此罗嗦了。
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。
例如某点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=根号a*a+b*b,相位就是Pn=atan2(b,a)。
根据以上的结果,就可以计算出n点(n≠1,且n<
=N/2)对应的信号的表达式为:
An/(N/2)*cos(2*pi*Fn*t+Pn),即2*An/N*cos(2*pi*Fn*t+Pn)。
对于n=1点的信号,是直流分量,幅度即为A1/N。
由于FFT结果的对称性,通常我们只使用前半部分的结果,即小于采样频率一半的结果。
好了,说了半天,看着公式也晕,下面圈圈以一个实际的信号来做说明。
假设我们有一个信号,它含有2V的直流分量,频率为50Hz、相位为-30度、幅度为3V的交流信号,以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。
用数学表达式就是如下:
S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)
式中cos参数为弧度,所以-30度和90度要分别换算成弧度。
我们以256Hz的采样率对这个信号进行采样,总共采样256点。
按照我们上面的分析,Fn=(n-1)*Fs/N,我们可以知道,每两个点之间的间距就是1Hz,第n个点的频率就是n-1。
我们的信号有3个频率:
0Hz、50Hz、75Hz,应该分别在第1个点、第51个点、第76个点上出现峰值,其它各点应该接近0。
实际情况如何呢?
我们来看看FFT的结果的模值如图所示。
图1FFT结果
从图中我们可以看到,在第1点、第51点、和第76点附近有
比较大的值。
我们分别将这三个点附近的数据拿上来细看:
1点:
512+0i
2点:
-2.6195E-14-1.4162E-13i
3点:
-2.8586E-14-1.1898E-13i
50点:
-6.2076E-13-2.1713E-12i
51点:
332.55-192i
52点:
-1.6707E-12-1.5241E-12i
75点:
-2.2199E-13-1.0076E-12i
76点:
3.4315E-12+192i
77点:
-3.0263E-14+7.5609E-13i
很明显,1点、51点、76点的值都比较大,它附近的点值都很小,可以认为是0,即在那些频率点上的信号幅度为0。
接着,我们来计算各点的幅度值。
分别计算这三个点的模值,结果如下:
512
384
192
按照公式,可以计算出直流分量为:
512/N=512/256=2;
50Hz信号的幅度为:
384/(N/2)=384/(256/2)=3;
75Hz信号的幅度为192/(N/2)=192/(256/2)=1.5。
可见,从频谱分析出来的幅度是正确的。
然后再来计算相位信息。
直流信号没有相位可言,不用管它。
先计算50Hz信号的相位,atan2(-192,332.55)=-0.5236,结果是弧度,换算为角度就是180*(-0.5236)/pi=-30.0001。
再计算75Hz信号的相位,atan2(192,3.4315E-12)=1.5708弧度,换算成角度就是180*1.5708/pi=90.0002。
可见,相位也是对的。
根据FFT结果以及上面的分析计算,我们就可以写出信号的表达式了,它就是我们开始提供的信号。
总结:
假设采样频率为Fs,采样点数为N,做FFT之后,某一点n(n从1开始)表示的频率为:
Fn=(n-1)*Fs/N;
该点的模值除以N/2就是对应该频率下的信号的幅度(对于直流信号是除以N);
该点的相位即是对应该频率下的信号的相位。
相位的计算可用函数atan2(b,a)计算。
atan2(b,a)是求坐标为(a,b)点的角度值,范围从-pi到pi。
要精确到xHz,则需要采样长度为1/x秒的信号,并做FFT。
要提高频率分辨率,就需要增加采样点数,这在一些实际的应用中是不现实的,需要在较短的时间内完成分析。
解决这个问题的方法有频率细分法,比较简单的方法是采样比较短时间的信号,然后在后面补充一定数量的0,使其长度达到需要的点数,再做FFT,这在一定程度上能够提高频率分辨力。
具体的频率细分法可参考相关文献。
[附录:
本测试数据使用的matlab程序]
closeall;
%先关闭所有图片
Adc=2;
%直流分量幅度
A1=3;
%频率F1信号的幅度
A2=1.5;
%频率F2信号的幅度
F1=50;
%信号1频率(Hz)
F2=75;
%信号2频率(Hz)
Fs=256;
%采样频率(Hz)
P1=-30;
%信号1相位(度)
P2=90;
%信号相位(度)
N=256;
%采样点数
1/Fs:
N/Fs];
%采样时刻
%信号
S=Adc+A1*cos(2*pi*F1*t+pi*P1/180)+A2*cos(2*pi*F2*t+pi*P2/180);
%显示原始信号
plot(S);
原始信号'
figure;
Y=fft(S,N);
%做FFT变换
Ayy=(abs(Y));
%取模
plot(Ayy(1:
N));
%显示原始的FFT模值结果
FFT模值'
Ayy=Ayy/(N/2);
%换算成实际的幅度
Ayy
(1)=Ayy
(1)/2;
F=([1:
N]-1)*Fs/N;
%换算成实际的频率值
plot(F(1:
N/2),Ayy(1:
N/2));
%显示换算后的FFT模值结果
幅度-频率曲线图'
Pyy=[1:
N/2];
fori=1:
N/2
Pyy(i)=phase(Y(i));
%计算相位
Pyy(i)=Pyy(i)*180/pi;
%换算为角度
end;
N/2),Pyy(1:
%显示相位图
相位-频率曲线图'
一个FIR滤波器的matlab实现
问题:
设信号x(t)=sin(2*pi*80*t)+2*sin(2*pi*150*t),由于某一原因,原始信号被白噪声污染,实际获得的信号为x2(t)=x+rand(size(x)),要求设计一个FIR滤波器恢复出原始信号。
解决代