用matlab对信号进行傅里叶变换的入门实例

weixin

　　傅氏变换分析是信号分析中很重要的方法，借助matlab可以很方便的对各类信号进行傅氏频域分析。本文介绍了集中离散的傅氏变换以及matlab实现方法。

　　1、离散序列的傅里叶变换DTFT (Discrete Time Fourier Transform)
　　实现代码
　　N=8;
　　%原离散信号有8点
　　n=[0:1:N-1];
　　%原信号是1行8列的矩阵
　　xn=0.5.^n;
　　%构建原始信号，为指数信号

　　w=[-800:1:800]*4*pi/800;
　　%频域共-800--+800的长度
　　%本应是无穷，高频分量很少，故省去

　　X=xn*exp(-j*(n'*w));
　　%求dtft变换，采用原始定义对复指数分量求和
　　subplot(311)
　　stem(n,xn);
　　title('原始信号(指数信号)');
　　subplot(312);
　　plot(w/pi,abs(X));
　　title('DTFT变换')

　　结果：

　　分析：可见，离散序列的dtft变换是周期的，这也符合Nyquist采样定理的描述，连续时间信号经周期采样之后，所得的离散信号的频谱是原连续信号频谱的周期延拓。

　　2、离散傅里叶变换DFT (Discrete Fourier Transform)
　　与1中DTFT不一样的是，DTFT的求和区间是整个频域，这对计算机的计算来说是不可以实现的，DFT就是序列的有限傅里叶变换。实际上，1中我给的代码也只是对频域的-800----+800中间的1601点求了和，也不是无数次求和。

　　实现代码
　　N=8;
　　%原离散信号有8点
　　n=[0:1:N-1];
　　%原信号是1行8列的矩阵
　　xn=0.5.^n;
　　%构建原始信号，为指数信号

　　w=[-8:1:8]*4*pi/8;
　　%频域共-800--+800 的长度
　　%本应是无穷，高频分量很少，故省去
　　X=xn*exp(-j*(n'*w));
　　%求dtft变换，采用原始定义对复指数分量求和
　　subplot(311)
　　stem(n,xn);
　　w1=[-4:1:4]*4*pi/4;
　　X1=xn*exp(-j*(n'*w1));
　　title('原始信号(指数信号)');
　　subplot(312);
　　stem(w/pi,abs(X));
　　title('原信号的16点DFT变换')
　　subplot(313)
　　stem(w1/pi,abs(X1));
　　title('原信号的8点DFT变换')

　　结果：

　　分析：DFT只是DTFT的现实版本，因为DTFT要求求和区间无穷，而DFT只在有限点内求和。

　　3、快速傅里叶变换FFT (Fast Fourier Transform)
　　虽然DFT相比DTFT缩减了很大的复杂度，但是任然有相当大的计算量，不利于信息的实时有效处理，1965年发现的DFT解决了这一问题。

　　实现代码
　　N=64;
　　%原离散信号有8点
　　n=[0:1:N-1];
　　%原信号是1行8列的矩阵
　　xn=0.5.^n;
　　%构建原始信号，为指数信号
　　Xk=fft(xn,N);
　　subplot(221);
　　stem(n,xn);
　　title('原信号');
　　subplot(212);
　　stem(n,abs(Xk));
　　title('FFT变换')

　　结果：

　　分析：由图可见，fft变换的频率中心不在0点，这是fft算法造成的，把fft改为fft shift可以将频率中心移到0点。

　　来源：博客园-走岂来的博客