MATLAB中fft的频率轴怎么计算

Posted 2023-04-24

假设你的信号是 8个点，采样频率是 100Hz。

那么，该信号的频率是50Hz，那么频率轴每个间隔是 50/(8-1), 设为df
那么，频率轴是 0 df 2*df 3*df 4*df
也就是说，对于8个点的信号，你会得到频率间隔是 50/(8-1), 可以得到 8/2+1个频率点。
也就是说，对于N个点的信号，你会得到频率间隔是 50/(N-1), 可以得到 N/2+1个频率点。
注意，N是2的某次幂 参考技术A 下面是MATLAB演示程序中的一段关于FFT的代码。
First create some data. Consider data sampled at 1000 Hz. Start by forming a time axis for our data, running from t=0 until t=.25 in steps of 1 millisecond. Then form a signal, x, containing sine waves at 50 Hz and 120 Hz.

t = 0:.001:.25;
x = sin(2*pi*50*t) + sin(2*pi*120*t);

%%
% Add some random noise with a standard deviation of 2 to produce a noisy
% signal y. Take a look at this noisy signal y by plotting it.

y = x + 2*randn(size(t));
plot(y(1:50))
title('Noisy time domain signal')

%%
% Clearly, it is difficult to identify the frequency components from looking at
% this signal; that's why spectral analysis is so popular.
%
% Finding the discrete Fourier transform of the noisy signal y is easy; just
% take the fast-Fourier transform (FFT).

Y = fft(y,256);

%%
% Compute the power spectral density, a measurement of the energy at various
% frequencies, using the complex conjugate (CONJ). Form a frequency axis for
% the first 127 points and use it to plot the result. (The remainder of the 256
% points are symmetric.)

Pyy = Y.*conj(Y)/256;
f = 1000/256*(0:127); =====================【问】这个频率轴是怎么运算的？？为什么要在前面*1000/256?还有为什么只取前面一半的点？？
plot(f,Pyy(1:128))
title('Power spectral density')
xlabel('Frequency (Hz)')

%%
% Zoom in and plot only up to 200 Hz. Notice the peaks at 50 Hz and 120 Hz.
% These are the frequencies of the original signal.

plot(f(1:50),Pyy(1:50))
title('Power spectral density')
xlabel('Frequency (Hz)')

帮我理解FFT函数（Matlab）

【中文标题】帮我理解FFT函数（Matlab）

【英文标题】：Help me understand FFT function (Matlab)

【发布时间】：2009-01-11 22:09:57

【问题描述】：

1) 除了负频率，FFT 函数提供的最小频率是多少？是零吗？ 2) 如果为零，我们如何在对数刻度上绘制零？ 3）结果总是对称的？还是只是看起来是对称的？ 4) 如果我使用 abs(fft(y)) 来比较 2 个信号，我会失去一些准确性吗？

【参考方案1】：

1) 除了负频率，FFT 函数提供的最小频率是多少？是零吗？

fft(y) 返回一个向量，其中包含y 的 DFT 的第 0 到第 (N-1) 个样本，其中 y(t) 应该被认为是在 0 ... N-1 上定义的（因此，y(t) 的“周期性重复”可以被认为是在 Z 上定义的周期性信号）。

fft(y) 的第一个样本对应于频率 0。 真实、离散时间、周期性信号的傅里叶变换也具有离散域，它是周期性的和厄米特的（见下文）。因此，负频率的变换是正频率对应样本的共轭。

例如，如果您将y（的周期性重复）解释为在 Z 上定义的周期性实信号（采样周期 == 1），则 fft(y) 的域应解释为 N 个等距点 0， 2π/N ... 2π(N-1)/N。负频率 -π ... -π/N 处的变换样本是频率 π ... π/N 处的样本的共轭，并且等于频率处的样本 π ... 2π(N-1)/N.

2) 如果为零，我们如何在对数刻度上绘制零？

如果您想绘制某种Bode plot，您可以仅绘制正频率的变换，忽略对应于最低频率（特别是 0）的样本。

3) 结果总是对称的？还是只是看起来是对称的？

如果y 是实数，它有Hermitian symmetry：它的实部是对称的，它的虚部是反对称的。换句话说，它的幅度是对称的，它的相位是反对称的。

4) 如果我使用 abs(fft(y)) 比较 2 个信号，我会失去一些准确性吗？

如果您的意思是abs(fft(x - y))，这没关系，您可以使用它来了解差异的频率分布（或误差，如果 x 是 y 的估计值）。如果您的意思是abs(fft(x)) - abs(fft(y)) (???)，您至少会丢失相位信息。

【讨论】：

在 matlab 中，调用函数但告诉它忽略输入中的某些值有点棘手。因此，我建议用一个可以绘制的小值替换 0。

请注意，matlab中fft结果的前半部分是正频率（1

+1 用于提出厄米对称性，这为我节省了大量时间。

【参考方案2】：

好吧，如果您想了解快速傅立叶变换，您需要回到基础并了解 DFT 本身。但是，这不是你问的，所以我只是建议你在自己的时间这样做:)

但是，回答您的问题：

是的，（如您所说，除了负数）它为零。 N 点输入的范围是 0 到 (N-1)。 在 MATLAB 中？我不确定我是否理解您的问题 - 绘制零值，就像绘制任何其他值一样......虽然，正如 duffymo 正确指出的那样，没有自然对数为零。 它本质上类似于 sinc（正弦基数）函数。不过，它不一定是对称的。 您不会失去任何准确性，您只会得到幅度响应（但我想您已经知道了）。

【讨论】：

啊，sinc 是关于 y 轴对称的，但 sine 不是。感谢您的澄清。

【参考方案3】：

咨询“C 中的数值配方”，第 12 章“快速傅立叶变换”说：

频率范围从负 fc 到正 fc，其中 fc 是奈奎斯特临界频率，等于 1/(2*delta)，其中 delta 是采样间隔。所以频率当然可以是负数。

你不能绘制不存在的东西。没有自然对数为零。您可以将频率绘制为 x 轴，也可以为半对数轴选择一个不包括零的范围。

频率范围内是否存在对称性取决于时域中函数的性质。您可以在频域中绘制关于 y 轴不对称的图。

我不认为采用这样的绝对值是一个好主意。您需要阅读有关卷积、校正和信号处理的更多信息以比较两个信号。

【讨论】：

关于#1，最初的问题是“除了否定之外”......因此我的回答。

在不了解要转换的函数的情况下很难做出有关频率范围的陈述。实偶函数的傅里叶变换是实偶函数，但原问题没有具体说明。

确实如此。正如您所说，在没有适当场景的情况下尝试回答问题会出现问题。

【参考方案4】：

fft 的结果可以为 0。已被其他人回答。 要绘制 0 频率，诀窍是将其设置为一个非常小的正数（为此我使用 exp(-15)）。 已被其他人回答。 如果您只对幅度感兴趣，是的，您可以这样做。例如，这适用于许多图像处理问题。

【参考方案5】：

一半的问题：

3) FFT运算的结果取决于信号的性质；因此没有什么要求它是对称的，尽管如果是对称的，您可能会获得有关信号属性的更多信息

4) 这将比较一对信号的幅度，但那些相等并不能保证 FFT 相同（不要忘记相位）。但是，它可能足以满足您的目的，但您应该确信这一点。