Matlab中FFT快速傅立葉變換函式的應用及其物理意義學習
在Matlab中fft就是一個現成的函式,看別人的程式碼模仿著用了,但是不懂FFT畫出來的圖什麼意思?本文對這篇博文中分析的例子進行了學習。
FFT(Fast Fourier Transformation)為一階快速傅立葉變換函式,在數字訊號處理中有著廣泛的應用,變換結果為複數。有些訊號在時域上很難看出變化特徵,但如果變換到頻域之後,就很容易看出特徵了。FFT把時域訊號變換到頻域上,直觀的看各頻率上的訊號強弱。
一個模擬訊號,經過ADC取樣之後,就變成了數字訊號。取樣定理告訴我們,取樣頻率要大於訊號頻率的兩倍。取樣得到的數字訊號,就可以做FFT變換了。N個取樣點,經過FFT之後,就可以得到N個點的FFT結果。為了方便進行FFT運算,通常N取2的整數次方。做FFT分析時,幅值大小與FFT選擇的點數有關,但是不影響分析結果。
假設取樣頻率為Fs,訊號頻率F,取樣點數為N。那麼FFT之後結果就是一個為N點的複數。每一個點就對應著一個頻率點。這個點的模值,就是該頻率值下的幅度特性。具體跟原始訊號的幅度有什麼關係呢?假設原始訊號的峰值為A,那麼FFT的結果的每個點(除了第一個點直流分量之外)的模值就是A的N/2倍。而第一個點就是直流分量,它的模值就是直流分量的N倍。而每個點的相位呢,就是在該頻率下的訊號的相位。第一個點表示直流分量(即0Hz),而最後一個點N的再下一個點(實際上這個點是不存在的,這裡是假設的第N+1個點,也可以看做是將第一個點分做兩半分,另一半移到最後)則表示取樣頻率Fs,這中間被N-1個點平均分成N等份,每個點的頻率依次增加。例如某點
由上面的公式可以看出,Fn所能分辨到頻率為為Fs/N,如果取樣頻率Fs為1024Hz,取樣點數為1024點,則可以分辨到1Hz。1024Hz的取樣率取樣1024點,剛好是1秒,也就是說,取樣1秒時間的訊號並做FFT,則結果可以分析到1Hz,如果取樣2秒時間的訊號並做FFT,則結果可以分析到0.5Hz。如果要提高頻率分辨力,則必須增加取樣點數,也即取樣時間。頻率解析度和取樣時間是倒數關係。
假設FFT之後某點n用複數a+bi表示,那麼這個複數的模就是An=sqrt(a*a+b*b),相位就是Pn=atan2(b,a)。根據以上的結果,就可以計算出
An/(N/2)*cos(2*pi*Fn*t+Pn) (1)
即2*An/N*cos(2*pi*Fn*t+Pn)。對於n=1點的訊號,是直流分量,幅度即為A1/N。由於FFT結果的對稱性,通常我們只使用前半部分的結果,即小於取樣頻率一半的結果。
假設有一個訊號由如下三個分量組成:1)一個2V的直流分量;2)一個頻率為50Hz、相位為-30度、幅度為3V的交流訊號;3)一個頻率為75Hz、相位為90度、幅度為1.5V的交流訊號。其數學表達如下:
S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)
式中cos引數為弧度,所以-30度和90度要分別換算成弧度。
假設以256Hz的取樣率對這個訊號進行取樣,總共取樣256點。由前面的分析,Fn=(n-1)*Fs/N,可知:每兩個點之間的間距為1Hz,第n個點的頻率就是n-1。訊號S有3個頻率:0Hz、50Hz、75Hz,應該分別在第1個點、第51個點、第76個點上出現峰值,其它各點應該接近0。實際情況如何呢?我們來看看FFT的結果的模值如圖所示。
從圖中可以看到,在第1點、第51點、和第76點附近有較大值。分別將這三個點附近的資料拿上來細看:
用Z = fft(S);
Y 模值Z
第1個點: 512 512
第2個點: 5.2686e-16- 1.4128e-13i 1.4129e-13
第3個點:2.1411e-15- 1.1718e-13i 1.1720e-13
第50個點:1.8103e-12- 1.3394e-12i 2.2519e-12
第51個點: 2.9281e+02+ 2.4843e+02i 384
第52個點: 9.3193e-13- 2.0432e-12i 2.2457e-12
第75個點: 1.0239e-12+ 5.0058e-14i 1.0251e-12
第76個點: -1.8505e+02- 5.1209e+01i 192.0000
第77個點: -7.2171e-13- 2.2549e-13i 7.5612e-13
用Z =fft(S,N);
Y 模值Z
第1個點: 512.0000 512.0000
第2個點: -2.6195e-14- 1.4162e-13i 1.4402e-13
第3個點: -2.8586e-14- 1.1898e-13i 1.2237e-13
第50個點: -6.2076e-13- 2.1713e-12i 2.2583e-12
第51個點: 3.3255e+02 - 1.9200e+02i 384.0000
第52個點: -1.6707e-12- 1.5241e-12i 2.2614e-12
第75個點: -2.2199e-13- 1.0076e-12i 1.0317e-12
第76個點: 3.4386e-12 + 1.9200e+02i 192.0000
第77個點: -3.0263e-14+ 7.5609e-13i 7.5670e-13
很明顯,1點、51點、76點的值都比較大,它附近的點值都很小,可以認為是0,即在那些頻率點上的訊號幅度為0。
接著,我們來計算各點的幅度值。由公式(1)可知,給定模值An,它對應的幅度為:An/(N/2)。對於n=1點的訊號,是直流分量,幅度即為A1/N。因此,直流分量為:512/N=512/256=2;50Hz訊號的幅度為:384/(N/2)=384/(256/2)=3;75Hz訊號的幅度為192/(N/2)=192/(256/2)=1.5。可見,從頻譜分析出來的幅度是正確的。
然後再來計算相位資訊。直流訊號沒有相位可言,不用管它。先計算50Hz訊號的相位,atan2(-192, 332.55)=-0.5236,結果是弧度,換算為角度就是180*(-0.5236)/pi=-30.0001。再計算75Hz訊號的相位,atan2(192,3.4386e-12)=1.5708弧度,換算成角度就是180*1.5708/pi=90.0002。可見,相位也是對的。
總結:假設取樣頻率為Fs,取樣點數為N,做FFT之後,某一點n(n從1開始)表示的頻率為:Fn=(n-1)*Fs/N;該點的模值除以N/2就是對應該頻率下的訊號的幅度(對於直流訊號是除以N);該點的相位即是對應該頻率下的訊號的相位。相位的計算可用函式atan2(b,a)計算。atan2(b,a)是求座標為(a,b)點的角度值,範圍從-pi到pi。要精確到xHz,則需要取樣長度為1/x秒的訊號,並做FFT。要提高頻率解析度,就需要增加取樣點數,這在一些實際的應用中是不現實的,需要在較短的時間內完成分析。解決這個問題的方法有頻率細分法,比較簡單的方法是取樣比較短時間的訊號,然後在後面補充一定數量的0,使其長度達到需要的點數,再做FFT,這在一定程度上能夠提高頻率分辨力。具體的頻率細分法可參考相關文獻。
注意:
Z = fft(S,N);
Z = fft(S);
計算出來的精確的Z值不一樣。
subplot(2,1,2),plot(abs(fftshift(fft(S)))),title('S fftshift');
參考: