FFT幅度谱为什么不对，需要较正

最新推荐文章于 2024-09-13 10:30:59 发布

qq_43479214

最新推荐文章于 2024-09-13 10:30:59 发布

阅读量3.5k

点赞数 2

CC 4.0 BY-SA版权

文章标签：信号处理算法

本文链接：https://blog.csdn.net/qq_43479214/article/details/109009263

本文深入探讨了使用Matlab中的快速傅里叶变换(FFT)分析信号时，幅度谱需要进行校正的原因。通过数学推导说明了直流分量和非直流分量频率在DFT中的表现，并给出了相应的校正方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么Matlab快速傅里叶算法分析出来的幅度谱需要校正

一切的根源，让我们回到DFT定义上面来，观察FFT算法对直流分量和非直流分量频率的影响。下面请大家注意观察这个式子，假设信号具有直流分量A，假设采样点为N个，那么得到的采样点显然是这样的序列： $[A, A, . . ., A]$ ，现在我们回到DFT的定义:
$DFT{x(n)}=∑n=0n=N−1x(n)e−jwnDFT\{x(n)\}=\sum_{n=0}^{n=N-1}x(n)e^{-jwn}$
显然对于直流分量来说，则 $w$ 取0时，得到的DFT在这一点的值为 $N A$ ,那么，我们对幅度谱进行修正时，对于直流分量，直接除以傅里叶变换点数 $N$ 即可。而对于非零频率，为了简化分析，我们只分析这样的一个信号 $e^{jw_{0}n}$ ，它的DFT结果只在 $w=w_{0}$ 处有幅度为1的冲击。那么，对于一般的周期信号，我们一般是表示为余弦形式的。
借用欧拉公式 $e^{jwn}=cos(wn)+j.sin(wn)$ ，我们有 $cos(wn)=ejwn+e−jwn2cos(wn)=\frac{e^{jwn}+e^{-jwn}}{2}$ ，那么，利用这样的一个关系，在双边谱中，幅度不仅扩大了N倍，同时又有了一个 $12\frac{1}{2}$ 倍的关系，那么，我们对于非零频率的矫正，就应该除以 $N2\frac{N}{2}$ ，到这里，才对FFT分析实际信号有了进一步的理解。