matlab中一数组的时域曲线如何转换为频域曲线
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了matlab中一数组的时域曲线如何转换为频域曲线相关的知识,希望对你有一定的参考价值。
我有一组时间与数值的数组,请问怎么把时间改为频率
我知道用傅里叶变换 但是得出的结果不正确,请大神们会的详细点说
一般情况下得到的离散的数据点没有明显的拟合函数,这时候可以考虑用离散傅里叶变换。matlab中的fft函数可以完成这个功能。
特殊情况下可以看出数据点所满足的解析式,使用拟合,然后对拟合得到的函数进行傅里叶变换,用matlab的fourier函数即可。
由于一般情况中的fft更具有应用性,下面着重举例说明fft。
引用一段matlab帮助文件提供的代码作说明:(%后面是中文或英文注释)
clc;clear;
Fs = 1000; % Sampling frequency,取样频率
T = 1/Fs; % Sample time,采样时间间隔
L = 1000; % Length of signal,总时间
t = (0:L-1)*T; % Time vector,时间向量
% Sum of a 50 Hz sinusoid and a 120 Hz sinusoid 信号函数,提供50Hz和120Hz的主频率
x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
y = x + 2*randn(size(t)); % Sinusoids plus noise 信号函数加上模拟的噪音
plot(Fs*t(1:100),y(1:100)) % 信号图
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('time (milliseconds)')
NFFT = 2^nextpow2(L); % Next power of 2 from length of y 扩充采样点,由1000变为1024
Y = fft(y,NFFT)/L;%除一个L,使归一化,可以不除,不影响对主频率的判断
f = Fs/2*linspace(0,1,NFFT/2+1);%这里除以2是因为fft的对称性,因此只画一半
% Plot single-sided amplitude spectrum.
figure
plot(f,2*abs(Y(1:NFFT/2+1))) %乘2是为了归一化,因为右边一半的fft图像没画;不乘,不影响对主频率的判断
title('Single-Sided Amplitude Spectrum of y(t)')
xlabel('Frequency (Hz)')
ylabel('|Y(f)|')
这行代码“f = Fs/2*linspace(0,1,NFFT/2+1);”如果不理解可以写成
“f = Fs*linspace(0,1,NFFT);”然后把后面的plot行的乘2去掉,NFFT/2+1也改成NFFT,这就等于没有折叠的状态。
至于为什么对称、为什么表达式是这样,就需要去做DFT数学推导了,这里不做推导。
得图如下:
折叠了的fft图。在50与120Hz处有明显的主峰。
未折叠的fft图。右边两个峰值并没有实际意义,只是由于对称性而得到的。
参考技术A meshgrid用来生成网格矩阵,简单地讲,就是把给定的x和y中元素的两两组合都生成出来,这样每一对(x,y)再计算一个对应的z,显然这样得到的是一个z的曲面。但该语句不是必须的,有时候我们只想获得一条三维曲线而已,并不想知道所有x, y元素两两组合的结果是什么,组合我们已经定义好了参考代码:
clc
clear all
close all
tic
n = 10;
x = 1:n; % x坐标
y = 1:n; % y坐标
%%
% meshgrid演示
[X, Y] = meshgrid(x, y); % meshgrid 函数用来生成网格矩阵
Z = X.^2 + Y;
figure
mesh(X, Y, Z);
grid on
xlabel('x');
ylabel('y');
zlabel('z');
%%
% 不用meshgrid的情况
z = x.^2 + y;
figure
% mesh(x, y, z); % 没有meshgrid生成底面矩阵时,该句出错
plot3(x, y, z); % 一组(x, y)对应一个z值,因此x和y元素个数必须一致
grid on
xlabel('x');
ylabel('y');
zlabel('z'); 参考技术B 可以使用快速傅里叶变换:fft。
在matlab命令窗口中输入:help fft. 参考技术C fft函数,傅里叶变换 参考技术D 傅立叶变换
第二章:整车发动机激励--快速傅里叶变换
摘要:第一章介绍了缸压曲线和曲轴转速转化成曲轴中心点的时间-集中力;但是这个集中力并不是我们可以直接使用的频域-集中力;需要经过快速傅里叶变换,将时域力转化成频域力。
- 快速傅里叶变换的理解
还是老规矩,我们需要什么?我们需要从时域到频域的转换。怎么理解呢?当然是先找一个已知的频率来看看是什么样的。从网上盗了一张动态图,从图中我们已知各个三角函数的周期(频率),可以做出复杂的曲线。【先看成果,我们的目的是从复杂的曲线中分离出各个周期(频率)】
import numpy as np from scipy.fftpack import fft,ifft import matplotlib.pyplot as plt import seaborn "采样点选取,0-2间取2000个采样点,时域横坐标单位s" x=np.linspace(0,2,1000) print(x) "构造信号曲线,其中包含频率1Hz,2Hz,3Hz,4Hz" y=2*np.sin(2*np.pi*1*x)/np.pi-2*np.sin(2*np.pi*2*x)/(2*np.pi)+2*np.sin(2*np.pi*3*x)/(3*np.pi)\\ -2*np.sin(2*np.pi*4*x)/(4*np.pi) plt.plot(x, y) plt.show()
- 快速傅里叶变换
import numpy as np from scipy.fftpack import fft,ifft import matplotlib.pyplot as plt import seaborn "采样点选取,0-2间取2^n个采样点,时域横坐标,单位s" n=10 x=np.linspace(0,2,2**n) # print(x) "构造信号曲线,其中包含频率1Hz,2Hz,3Hz,4Hz" y=2*np.sin(2*np.pi*1*x)/np.pi-2*np.sin(2*np.pi*2*x)/(2*np.pi)+2*np.sin(2*np.pi*3*x)/(3*np.pi)\\ -2*np.sin(2*np.pi*4*x)/(4*np.pi) plt.plot(x, y) plt.show() yy=fft(y) #快速傅里叶变换 yreal = yy.real #获取实部 ymiag = yy.imag #获取虚部 yf=abs(fft(y)) #取绝对值 yf1 = abs(fft(y))/len(x) #归一化处理 yf2 = yf1[range(int(len(x)/2))] ##对称性只取一半区间 "采样频率" dt=x[1]-x[0] fs = 1/dt freqs = fs/2*np.linspace(0,1,int(2**n/2)) print(len(yf2)) print(len(freqs)) plt.subplot(211) plt.plot(x, y) plt.title(\'Original wave\') plt.subplot(212) plt.plot(freqs[0:10], yf2[0:10]) plt.title(\'FFT wave\') plt.show()
从及结果可以看出,通过快速傅里叶变换,找到了四个阶次的频率,分别是1Hz,2Hz,3Hz,4Hz,与构造的信号函数频率一一对应。
- 傅里叶变换处理发动机力(时域-频域)
上述阐述已知信号源的傅里叶变换,其实信号源是否已知并不影响傅里叶变换的结果,构造已知信号的函数,仅仅是为了直观的理解这个变换输入输出。【这里并未对傅里叶变换的底层实现进行阐述,仅仅说明如何在发动机载荷分解过程中需要用到的功能】。
回到上一章接种获取到的发动机曲轴中心位置的时间-力的数据。每一组时间-力(力矩)都如同上诉的信号源(只是未知信号)。
import numpy as np from scipy.fftpack import fft,ifft import matplotlib.pyplot as plt import seaborn from scipy.interpolate import interp1d "读取时间载荷" data = np.loadtxt(r\'TimeLoad\\A750 _transpose.csv\',dtype=np.float, delimiter=",") "获取时间采样点" t=data[0] "获取z向时间载荷" z=data[3] print(t) print(z) "原始数据采样,采样点数量按照2**n个进行,运用插值法,获取格则采样数据," n=13 NFFT = 2**n x, delta_step = np.linspace(t[0], t[len(t) - 1], NFFT, endpoint=True, retstep=True) y_curve = interp1d(t,z,kind=\'linear\') y = y_curve(x) plt.plot(x, y) plt.show() yy=fft(y) #快速傅里叶变换 yreal = yy.real #获取实部 ymiag = yy.imag #获取虚部 yf=abs(fft(y)) #取绝对值 yf1 = abs(fft(y))/len(x) #归一化处理 yf2 = yf1[range(int(len(x)/2))] ##对称性只取一半区间 "采样频率" dt=x[1]-x[0] fs = 1/dt freqs = fs/2*np.linspace(0,1,int(2**n/2)) print(len(yf2)) print(len(freqs)) plt.subplot(211) plt.plot(x, y) plt.title(\'Original wave\') plt.subplot(212) plt.plot(freqs[0:100], yf2[0:100]) plt.title(\'FFT wave\') plt.show()
在怠速750r/min时,在25Hz的激励是62.157N。
以上是关于matlab中一数组的时域曲线如何转换为频域曲线的主要内容,如果未能解决你的问题,请参考以下文章
求助“利用MATLAB实现离散时间系统的时域和频域分析”的中译英翻译,数字信号处理,请高手帮帮忙
fft Matlab 振动时域到频率测量持续时间 = 60 s