欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

使用 FFT 进行频谱分析

程序员文章站 2022-03-10 16:22:25
...

下面的示例说明了如何使用 FFT 函数进行频谱分析。FFT 的一个常用场景是确定一个时域噪声信号的频率分量。

首先创建一些数据。假设是以 1000 Hz 的频率对数据进行的采样。首先为数据构造一条时间轴,时间范围从 t = 0 至 t = 0.25,步长为 1 毫秒。然后,创建一个包含 50 Hz 和 120 Hz 频率的正弦波信号 x。

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

添加一些标准差为 2 的随机噪声以产生噪声信号 y。然后,通过对该噪声信号 y 绘图来了解该信号。

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

使用 FFT 进行频谱分析

 

 

很明显,通过观察该信号很难确定频率分量;这就是频谱分析为什么被广泛应用的原因。

得到带噪声信号 y 的离散傅里叶变换很容易;执行快速傅里叶变换 (FFT) 即可实现。

Y = fft(y,251);

使用复共扼 (CONJ) 计算功率频谱密度,即测量不同频率下的能量。为前 127 个点构造一个频率轴,并使用该轴绘制结果图形。(其余的点是对称的。)

Pyy = Y.*conj(Y)/251;
f = 1000/251*(0:127);
plot(f,Pyy(1:128))
title('Power spectral density')
xlabel('Frequency (Hz)')

使用 FFT 进行频谱分析

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

相关标签: MATLAB算法和试验