**部落格：
x=fft(x)；
x=fft(x，n)；
x=ifft(x);
x=ifft(x,n)
用matlab進行譜分析時注意：
（1）函式fft返回值的資料結構具有對稱性。
例：n=8;
n=0:n-1;
xn=[4 3 2 6 7 8 9 0];
xk=fft(xn)
→xk =
39.0000 -10.7782 + 6.2929i 0 - 5.0000i 4.7782 - 7.7071i 5.0000 4.7782 + 7.7071i 0 + 5.0000i -10.7782 - 6.2929i
xk與xn的維數相同，共有8個元素。xk的第乙個數對應於直流分量，即頻率值為0。
（2）做fft分析時，幅值大小與fft選擇的點數有關，但不影響分析結果。在ifft時已經做了處理。要得到真實的振幅值的大小，只要將得到的變換後結果乘以2除以n即可。
二.fft應用舉例
例1：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。取樣頻率fs=100hz，分別繪製n=128、1024點幅頻圖。
clf;
fs=100;n=128; %取樣頻率和資料點數
n=0:n-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號
y=fft(x,n); %對訊號進行快速fourier變換
mag=abs(y); %求得fourier變換後的振幅
f=n*fs/n; %頻率序列
subplot(2,2,1),plot(f,mag); %繪出隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=128');grid on;
subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=128');grid on;
%對訊號取樣資料為1024點的處理
fs=100;n=1024;n=0:n-1;t=n/fs;
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號
y=fft(x,n); %對訊號進行快速fourier變換
mag=abs(y); %求取fourier變換的振幅
f=n*fs/n;
subplot(2,2,3),plot(f,mag); %繪出隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=1024');grid on;
subplot(2,2,4)
plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=1024');grid on;
執行結果：
fs=100hz，nyquist頻率為fs/2=50hz。整個頻譜圖是以nyquist頻率為對稱軸的。並且可以明顯識別出訊號中含有兩種頻率成分：15hz和40hz。由此可以知道fft變換資料的對稱性。因此用fft對訊號做譜分析，只需考察0~nyquist頻率範圍內的福頻特性。若沒有給出取樣頻率和取樣間隔，則分析通常對歸一化頻率0~1進行。另外，振幅的大小與所用取樣點數有關，採用128點和1024點的相同頻率的振幅是有不同的表現值，但在同一幅圖中，40hz與15hz振動幅值之比均為4：1，與真實振幅0.5：2是一致的。為了與真實振幅對應，需要將變換後結果乘以2除以n。
例2：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t),fs=100hz,繪製：
（1）資料個數n=32，fft所用的取樣點數nfft=32；
（2）n=32，nfft=128；
（3）n=136，nfft=128；
（4）n=136，nfft=512。
clf;fs=100; %取樣頻率
ndata=32; %資料長度
n=32; %fft的資料長度
n=0:ndata-1;t=n/fs; %資料對應的時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %時間域訊號
y=fft(x,n); %訊號的fourier變換
mag=abs(y); %求取振幅
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,1),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=32 nfft=32');grid on;
ndata=32; %資料個數
n=128; %fft採用的資料長度
n=0:ndata-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,n);
mag=abs(y);
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=32 nfft=128');grid on;
ndata=136; %資料個數
n=128; %fft採用的資料個數
n=0:ndata-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,n);
mag=abs(y);
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,3),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=136 nfft=128');grid on;
ndata=136; %資料個數
n=512; %fft所用的資料個數
n=0:ndata-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,n);
mag=abs(y);
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,4),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=136 nfft=512');grid on;
結論：（1）當資料個數和fft採用的資料個數均為32時，頻率解析度較低，但沒有由於添零而導致的其他頻率成分。
（2）由於在時間域內訊號加零，致使振幅譜**現很多其他成分，這是加零造成的。其振幅由於加了多個零而明顯減小。
（3）fft程式將資料截斷，這時解析度較高。
（4）也是在資料的末尾補零，但由於含有訊號的資料個數足夠多，fft振幅譜也基本不受影響。
對訊號進行頻譜分析時，資料樣本應有足夠的長度，一般fft程式中所用資料點數與原含有訊號資料點數相同，這樣的頻譜圖具有較高的質量，可減小因補零或截斷而產生的影響。
例3：x=cos(2*pi*0.24*n)+cos(2*pi*0.26*n)
（1）資料點過少，幾乎無法看出有關訊號頻譜的詳細資訊；
（2）中間的圖是將x(n)補90個零，幅度頻譜的資料相當密，稱為高密度頻譜圖。但從圖中很難看出訊號的頻譜成分。
（3）訊號的有效資料很長，可以清楚地看出訊號的頻率成分，乙個是0.24hz，乙個是0.26hz，稱為高解析度頻譜。
可見，取樣資料過少，運用fft變換不能分辨出其中的頻率成分。新增零後可增加頻譜中的資料個數，譜的密度增高了，但仍不能分辨其中的頻率成分，即譜的解析度沒有提高。只有資料點數足夠多時才能分辨其中的頻率成分。
MATLAB中FFT使用方法
說明 以下資源 於 數字訊號處理的matlab實現 萬永革主編 一.呼叫方法 x fft x x fft x，n x ifft x x ifft x,n 用matlab進行譜分析時注意 1 函式fft返回值的資料結構具有對稱性。例 n 8 n 0 n 1 xn 4 3 2 6 7 8 9 0 xk ...
MATLAB中fft使用方法
說明 以下資源 於 數字訊號處理的matlab實現 萬永革主編 一.呼叫方法 x fft x x fft x，n x ifft x x ifft x,n 用matlab進行譜分析時注意 1 函式fft返回值的資料結構具有對稱性。例 n 8 n 0 n 1 xn 4 3 2 6 7 8 9 0 xk ...
MATLAB中FFT的使用方法
2009 08 17 17 11 14 分類 數字訊號處理 標籤 字型大小 大中小訂閱 說明 以下資源 於 數字訊號處理的matlab實現 萬永革主編 一.呼叫方法 x fft x x fft x，n x ifft x x ifft x,n 用matlab進行譜分析時注意 1 函式fft返回值的資料...