下面的示例說明了如何使用 fft 函式進行頻譜分析。fft 的乙個常用場景是確定乙個時域雜訊訊號的頻率分量。
首先建立一些資料。假設是以 1000 hz 的頻率對資料進行的取樣。首先為資料構造一條時間軸，時間範圍從 t = 0 至 t = 0.25，步長為 1 毫秒。然後，建立乙個包含 50 hz 和 120 hz 頻率的正弦波訊號 x。
t = 0:.001:.25;新增一些標準差為 2 的隨機雜訊以產生雜訊訊號 y。然後，通過對該雜訊訊號 y 繪圖來了解該訊號。x = sin(2*pi*50*t) + sin(2*pi*120*t);
y = x + 2*randn(size(t));很明顯，通過觀察該訊號很難確定頻率分量；這就是頻譜分析為什麼被廣泛應用的原因。plot(y(1:50))
title('noisy time domain signal')
得到帶雜訊訊號 y 的離散傅利葉變換很容易；執行快速傅利葉變換 (fft) 即可實現。
y = fft(y,251);使用複數共扼 (conj) 計算功率頻譜密度，即測量不同頻率下的能量。為前 127 個點構造乙個頻率軸，並使用該軸繪製結果圖形。（其餘的點是對稱的。）
pyy = y.*conj(y)/251;放大並僅繪製上限為 200 hz 的圖形。請注意 50 hz 和 120 hz 下的峰值。以下是原始訊號的頻率。f = 1000/251*(0:127);
plot(f,pyy(1:128))
title('power spectral density')
xlabel('frequency (hz)')
FFT頻譜分析原理
fft頻譜分析原理 取樣定理 取樣頻率要大於訊號頻率的兩倍。n個取樣點經過fft變換後得到n個點的以複數形式記錄的fft結果。假設取樣頻率為fs，取樣點數為n。那麼fft運算的結果就是n個複數 或n個點 每乙個複數就對應著乙個頻率值以及該頻率訊號的幅值和相位。第乙個點對應的頻率為0hz 即直流分量 ...
頻譜分析之FFT
參考 fft是離散傅利葉變換的快速演算法，可以將乙個訊號變換到頻域。有些訊號在時域上是很難看出什麼特徵的，但是如果變換到頻域之後，就很容易看出特徵了。這就是很多訊號分析採用fft變換的原因。頻率是表徵資料變化劇烈程度的指標，是資料在平面空間上的梯度.從物理效果看，傅利葉變換是將影象從空間域轉換到頻率...
SPSS時間序列 頻譜分析
一 頻譜分析 分析 頻譜分析 頻譜圖 過程用於標識時間序列中的週期行為。它不需要分析乙個時間點與下乙個時間點之間的變異，只要按不同頻率的週期性成分分析整體序列的變異。平滑序列在低頻率具有更強的週期性成分 而隨機變異 白雜訊 將成分強度分布到所有頻率。不能使用該過程分析包含缺失資料的序列。1 示例。建...