(最新整理)fft频谱分析

1、(完整)fft频谱分析(完整)fft频谱分析 编辑整理：尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（(完整)fft频谱分析）的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快 业绩进步，以下为(完整)fft频谱分析的全部内容。内容1用matlab产生正弦波，矩形波，以及白噪声信号，并显示各自时域波形图2进行fft变换,显示各自频谱图，其中采样率，频率

2、、数据长度自选3做出上述三种信号的均方根图谱，功率图谱，以及对数均方根图谱4用ifft傅立叶反变换恢复信号，并显示恢复的正弦信号时域波形图源程序%*% fft实践及频谱分析 %*1.正弦波*fs=100；%设定采样频率n=128;n=0：n1；t=n/fs；f0=10；设定正弦信号频率生成正弦信号x=sin（2*pi*f0*t)；figure（1)；subplot(231）；plot（t，x）;作正弦信号的时域波形xlabel(t）；ylabel(y);title（正弦信号y=2pi10t时域波形）；grid；进行fft变换并做频谱图y=fft(x,n）;进行fft变换mag=abs（y);%

3、求幅值f=（0:length(y）-1）fs/length(y);进行对应的频率转换figure（1)；subplot（232）;plot(f,mag）；做频谱图axis(0,100，0，80）；xlabel（频率(hz)；ylabel（幅值）；title(正弦信号y=2pi*10t幅频谱图n=128)；grid；%求均方根谱sq=abs（y)；figure(1）；subplot（233);plot（f，sq);xlabel(频率（hz）)；ylabel(均方根谱);title(正弦信号y=2*pi*10t均方根谱）;grid；求功率谱power=sq。2；figure（1);subplot(

4、234）；plot（f，power）;xlabel(频率（hz）;ylabel（功率谱);title（正弦信号y=2*pi*10t功率谱）;grid;%求对数谱ln=log（sq）;figure（1）;subplot(235)；plot(f,ln)；xlabel(频率（hz）)；ylabel(对数谱);title(正弦信号y=2*pi*10t对数谱);grid；%用ifft恢复原始信号xifft=ifft(y);magx=real（xifft）;ti=0：length(xifft)-1/fs；figure（1)；subplot(236);plot（ti,magx)；xlabel(t）；ylab

5、el（y）;title（通过ifft转换的正弦信号波形）；grid；*2。矩形波*fs=10；设定采样频率t=-5:0.1：5;x=rectpuls（t，2);x=x(1:99);figure(2）；subplot(231)；plot（t(1：99)，x）；作矩形波的时域波形xlabel(t）;ylabel（y)；title（矩形波时域波形）;grid；%进行fft变换并做频谱图y=fft(x);%进行fft变换mag=abs(y);求幅值f=(0：length(y）-1）*fs/length（y）;%进行对应的频率转换figure(2）;subplot（232)；plot(f,mag）;做频

6、谱图xlabel(频率(hz）；ylabel（幅值）;title（矩形波幅频谱图）；grid;%求均方根谱sq=abs（y);figure(2）;subplot(233)；plot（f,sq)；xlabel(频率(hz)；ylabel（均方根谱）；title（矩形波均方根谱)；grid；%求功率谱power=sq.2；figure(2）;subplot（234）;plot(f,power）;xlabel(频率（hz）)；ylabel（功率谱);title(矩形波功率谱）;grid;%求对数谱ln=log（sq）;figure（2)；subplot（235)；plot（f，ln)；xlabel(

7、频率(hz）);ylabel(对数谱)；title(矩形波对数谱）;grid；用ifft恢复原始信号xifft=ifft（y）；magx=real(xifft)；ti=0:length(xifft)-1/fs;figure(2);subplot(236)；plot(ti,magx)；xlabel（t）;ylabel（y）；title（通过ifft转换的矩形波波形)；grid;%*3。白噪声*fs=10;%设定采样频率t=-5:0。1：5；x=zeros（1，100）;x（50）=100000；figure(3)；subplot（231）；plot（t(1：100）,x)；%作白噪声的时域波形x

8、label(t）;ylabel（y）;title（白噪声时域波形）；grid；%进行fft变换并做频谱图y=fft（x);进行fft变换mag=abs（y)；%求幅值f=(0：length(y)1）*fs/length（y）；%进行对应的频率转换figure（3）;subplot(232）；plot(f,mag)；做频谱图xlabel(频率（hz)；ylabel(幅值)；title（白噪声幅频谱图)；grid;%求均方根谱sq=abs(y)；figure（3);subplot（233)；plot(f，sq）;xlabel（频率（hz)）；ylabel（均方根谱）;title(白噪声均方根谱）；

9、grid;求功率谱power=sq.2;figure（3）；subplot（234)；plot(f，power）；xlabel(频率(hz);ylabel(功率谱);title（白噪声功率谱）；grid；%求对数谱ln=log（sq）；figure（3）;subplot(235);plot（f，ln);xlabel(频率(hz);ylabel（对数谱)；title（白噪声对数谱);grid;%用ifft恢复原始信号xifft=ifft（y);magx=real(xifft)；ti=0:length(xifft)1/fs;figure(3)；subplot(236）;plot（ti，magx）；

10、xlabel（t）;ylabel（y）;title（通过ifft转换的白噪声波形);grid;fs=1500; %自己设置采样频率n=4000; 自己设置采样点数t = （0：n-1）/fs; 间隔nfft = 2nextpow2(n）;转化为2的基数倍f= fs/2linspace(0,1，nfft/2); 求出fft转化频率e=cos（1。9e14).*t).（1900*cos（3e10）。t+pi/2)； %函数e_change=fft（e,nfft）/n； 进行fft变换plot（f，2*abs(e_change(1：nfft/2）,b);%画出频谱特性图grid on;上面是比较正规

11、的fft变换，有的文章中没有求fft转化频率（这样就少了一些步骤），即没有转化为2的基数倍，虽然可以画图也不会出错,但是如果详细阅读matlab自带的help帮助的话,就可以发现它们还是有差别的。本程序自己可以设置采样频率和采样点数。由于matlab进行fft变换后画出的图是个对称图，这点你可参阅其fft的帮助，根据帮助文献进行了（1：nfft/2）处理，画出一半即可。如果还想画出相频特性图，可以代码后面加上：ph_e=180*angle（en）/pi；plot（f，ph_e（1：nfft/2)）; grid on;画出相频特性图还有，你的函数由于不能直接复制到matlab里面运行，在matl

12、ab里1.9e14表示 1。91014关于功率谱密度的方法的讨论及其实现直接法： 直接法又称周期图法，它是把随机序列x（n）的n个观测数据视为一能量有限的序列,直接计算x（n)的离散傅立叶变换，得x（k），然后再取其幅值的平方，并除以n，作为序列x（n)真实功率谱的估计。matlab代码示例：clear； fs=1000； 采样频率 n=0：1/fs：1;%产生含有噪声的序列 xn=cos（2pi*40*n)+3*cos(2pi100n)+randn(size(n）；window=boxcar（length（xn); %矩形窗 nfft=1024； pxx，f=periodogram（xn，w

13、indow，nfft,fs)； %直接法 plot(f,10log10（pxx）；间接法： 间接法先由序列x（n)估计出自相关函数r（n)，然后对r(n）进行傅立叶变换，便得到x(n）的功率谱估计.matlab代码示例：clear; fs=1000； 采样频率 n=0:1/fs：1；产生含有噪声的序列 xn=cos(2pi*40n）+3*cos（2pi100n）+randn(size（n）)；nfft=1024; cxn=xcorr（xn,unbiased）； 计算序列的自相关函数 cxk=fft(cxn，nfft)； pxx=abs(cxk）; index=0:round(nfft/2-1)

14、； k=index*fs/nfft; plot_pxx=10*log10(pxx(index+1); plot(k,plot_pxx)；改进的直接法: 对于直接法的功率谱估计，当数据长度n太大时，谱曲线起伏加剧，若n太小，谱的分辨率又不好，因此需要改进。1. bartlett法bartlett平均周期图的方法是将n点的有限长序列x（n)分段求周期图再平均。matlab代码示例：clear； fs=1000； n=0:1/fs：1； xn=cos(2*pi40*n)+3*cos(2pi100n)+randn（size(n）); nfft=1024; window=boxcar（length(n)

15、； 矩形窗 noverlap=0； %数据无重叠 p=0。9; %置信概率pxx,pxxc=psd（xn，nfft,fs,window，noverlap,p);index=0:round（nfft/2-1）; k=indexfs/nfft； plot_pxx=10*log10（pxx(index+1); plot_pxxc=10*log10（pxxc(index+1）; figure(1) plot(k,plot_pxx）;pause；figure（2) plot(k，plot_pxx plot_pxx-plot_pxxc plot_pxx+plot_pxxc);2。 welch法welch法

16、对bartlett法进行了两方面的修正，一是选择适当的窗函数w(n），并再周期图计算前直接加进去，加窗的优点是无论什么样的窗函数均可使谱估计非负。二是在分段时,可使各段之间有重叠,这样会使方差减小。matlab代码示例:clear; fs=1000； n=0：1/fs:1； xn=cos(2*pi*40*n）+3cos（2*pi*100*n）+randn(size（n)）; nfft=1024； window=boxcar（100)； 矩形窗 window1=hamming(100)； %海明窗 window2=blackman(100）； %blackman窗 noverlap=20； 数据无重叠 range=half； 频率间隔为0 fs/2，只计算一半的频率pxx，f=pwelch(xn,window，noverlap，nfft，fs，range)； pxx1，f=pwe