使用 MATLAB 对任意图进行傅里叶变换和 FFT

Posted 2023-02-22

【中文标题】使用 MATLAB 对任意图进行傅里叶变换和 FFT

【英文标题】：Fourier transform and FFT for an arbitrary plot using MATLAB

【发布时间】：2015-06-23 17:50:49

【问题描述】：

我有一个简单的问题，但由于我没有使用 MATLAB Fourier Transform 工具，我需要一些帮助。我有一个从 n excel 文件中获得的图。该图在时域中。绘图的时间范围是 0 到 50 ps。我每 0.5 fs 就有一次绘图 y 分量的数据。基本上，该图包含每 0.5fs 打印的 100000 个数据。现在我想得到这个图的傅里叶变换。我该怎么办？以下是我的 excel 文件的简单格式，其中包含我需要绘制时域图的数据。

0       116.0080214
0.0005  116.051128
0.001   116.0939229
0.0015  116.1362197
0.002   116.1776665
0.0025  116.2178118
0.003   116.256182
.
.
.
.
50.0    123.000

第一列是以 ps 为单位的时间。非常感谢您的帮助。最好的，HRJ

【问题讨论】：

您可以使用 fft() 函数。此外，如果你有它，还有一个带有漂亮 psd 功能的数字信号处理工具箱

【参考方案1】：

我已经为解决方案改编了this page。

    Fs = 100000/50;               % Sampling frequency (in 1/ps)
    T = 1/Fs;                     % Sample time (in ps)
    L = 100000;                   % Length of signal
    t = (0:L-1)*T;                % Time vector; your first column should replace this

    % Sum of a 50 1/ps sinusoid and a 120 1/ps sinusoid
    % Your second column would replace y 
    x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); 
    y = x + 2*randn(size(t));     % Sinusoids plus noise

    NFFT = 2^nextpow2(L);         % Next power of 2 from length of y
    Y = fft(y,NFFT)/L;
    f = Fs/2*linspace(0,1,NFFT/2+1);

    close all
    subplot(2,1,1)
    % Plot your original signal
    plot(Fs*t(1:100),y(1:100))
    title('Signal Corrupted with Noise')
    xlabel('time (fs)')

    % Plot single-sided amplitude spectrum.
    subplot(2,1,2)
    plot(f,2*abs(Y(1:NFFT/2+1))) 
    title('Single-Sided Amplitude Spectrum of y(t)')
    xlabel('Frequency (1/ps)')
    ylabel('|Y(f)|')

【讨论】：

我之前访问过那个页面！您将如何处理以下部分？你从哪里得到这些罪的功能？只是复制粘贴？ 50 1/ps sinusoid 和 120 1/ps sinusoid 的总和 % 您的第二列将替换 y x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); y = x + 2*randn(大小(t)); % 正弦曲线加噪声

@H.RJ sin 函数只是展示fft() 工作原理的示例。不要使用正弦，只需将y 定义为您附加的数据中的第二列，并将t 定义为您附加的数据中的第一列。

感谢您的关注！但是 x 呢？

打扰了，我是这方面的初学者！

@H.RJ 此示例中的x 是纯正弦波的叠加。 x 信号被标记为% Sinusoids plus noise 的行中的噪声破坏。幅度谱应在构成纯正弦波x 的频率处显示较大的功率峰值，而在其他频率处显示较小的峰值。就是这种情况，您可以在下图中看到。