首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >MATLAB FFT xaxis限制混乱和fftshift

问MATLAB FFT xaxis限制混乱和fftshift
EN

Stack Overflow用户
提问于 2012-03-14 08:30:48
回答 2查看 24.2K关注 0票数 9

这是我第一次使用fft函数,我试图绘制一个简单余弦函数的频谱:

F= cos(2*pi*300*t)

采样率为220500。我正在绘制函数f的一秒钟。

这是我的尝试:

代码语言:javascript
复制
time = 1;
freq = 220500;
t = 0 : 1/freq : 1 - 1/freq;
N = length(t);
df = freq/(N*time);

F = fftshift(fft(cos(2*pi*300*t))/N);
faxis = -N/2 / time : df : (N/2-1) / time;

plot(faxis, real(F));
grid on;
xlim([-500, 500]);

为什么当我将频率提高到900 to时,我会得到奇怪的结果?这些奇怪的结果可以通过将x轴限制从500 to增加到1000 to来修复。另外,这是正确的方法吗?我注意到很多人没有使用fftshift(X) (但我认为他们只做了单边频谱分析)。

谢谢。

EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2012-03-14 18:20:20

这是我承诺的回应。

第一个或您的问题与为什么“当您将频率提高到900 Hz时会得到奇怪的结果”相关,这与@Castilho所描述的Matlab的绘图重新缩放功能有关。当您更改x轴的范围时,Matlab将尝试提供帮助并重新缩放y轴。如果峰值位于您指定的范围之外,matlab将放大在此过程中产生的小数值误差。如果你感到困扰,你可以使用'ylim‘命令来解决这个问题。

然而,你的第二个更开放的问题是“这是正确的方法吗?”需要更深入的讨论。请允许我告诉你,我将如何去做一个更灵活的解决方案,来实现你绘制余弦波的目标。

您可以从以下内容开始:

代码语言:javascript
复制
time = 1;
freq = 220500;

这立即在我的脑海中引起了警觉。看看这篇文章的其余部分,您似乎对亚千赫范围内的频率感兴趣。如果是这种情况,则该采样率过高,因为该采样率的奈奎斯特极限(sr/2)高于100 kHz。我猜你的意思是使用22050赫兹的普通音频采样率(但我可能说错了)?

无论哪种方式,你的分析最终在数值上都是正确的。但是,您并没有帮助自己理解如何在实际情况下最有效地使用FFT进行分析。

请允许我发布我将如何做到这一点。下面的脚本做的几乎和你的脚本一样,但是打开了一些潜力,我们可以在上面构建。。

代码语言:javascript
复制
%// These are the user parameters
durT = 1;
fs = 22050;
NFFT = durT*fs;
sigFreq = 300;

%//Calculate time axis
dt = 1/fs;
tAxis = 0:dt:(durT-dt);

%//Calculate frequency axis
df = fs/NFFT;
fAxis = 0:df:(fs-df);

%//Calculate time domain signal and convert to frequency domain
x = cos(  2*pi*sigFreq*tAxis  );
F = abs(  fft(x, NFFT)  /  NFFT  );

subplot(2,1,1);
plot(  fAxis, 2*F  )
xlim([0 2*sigFreq])
title('single sided spectrum')

subplot(2,1,2);
plot(  fAxis-fs/2, fftshift(F)  )
xlim([-2*sigFreq 2*sigFreq])
title('whole fft-shifted spectrum')

您计算时间轴,并根据时间轴的长度计算FFT点的数量。这很奇怪。这种方法的问题是,fft的频率分辨率会随着输入信号持续时间的变化而变化,因为N依赖于您的“时间”变量。matlab fft命令将使用与输入信号大小匹配的FFT大小。

在我的示例中,我直接从NFFT计算频率轴。这在上面的例子中有点不相关,因为我将NFFT设置为等于信号中的样本数。然而,使用这种格式有助于揭开你的思维的神秘面纱,这在我的下一个例子中变得非常重要。

**旁注:您在示例中使用了real(F)。除非你有很好的理由只提取FFT结果的实部,否则更常见的是使用abs(F)来提取FFT的幅度。这相当于sqrt(real(F).^2 + imag(F).^2).**

大多数情况下,您会希望使用较短的NFFT。这可能是因为您可能是在实时系统中运行分析,或者因为您希望将多个FFT的结果一起平均,以获得时变信号的平均频谱的概念,或者因为您希望在不浪费信息的情况下比较具有不同持续时间的信号的频谱。只需将fft命令的值设置为NFFT <信号中元素的数量,就可以从信号的最后NFFT点计算出fft。这有点浪费。

下面的示例与有用的应用程序更相关。它展示了如何将信号拆分成块,然后处理每个块并对结果进行平均:

代码语言:javascript
复制
%//These are the user parameters
durT = 1;
fs = 22050;
NFFT = 2048;
sigFreq = 300;

%//Calculate time axis
dt = 1/fs;
tAxis = dt:dt:(durT-dt);

%//Calculate frequency axis
df = fs/NFFT;
fAxis = 0:df:(fs-df);

%//Calculate time domain signal 
x = cos(  2*pi*sigFreq*tAxis  );

%//Buffer it and window
win = hamming(NFFT);%//chose window type based on your application
x = buffer(x, NFFT, NFFT/2); %// 50% overlap between frames in this instance
x = x(:, 2:end-1); %//optional step to remove zero padded frames
x = (  x' * diag(win)  )'; %//efficiently window each frame using matrix algebra

%// Calculate mean FFT
F = abs(  fft(x, NFFT)  /  sum(win)  );
F = mean(F,2);

subplot(2,1,1);
plot(  fAxis, 2*F  )
xlim([0 2*sigFreq])
title('single sided spectrum')

subplot(2,1,2);
plot(  fAxis-fs/2, fftshift(F)  )
xlim([-2*sigFreq 2*sigFreq])
title('whole fft-shifted spectrum')

在上面的例子中,我使用了一个汉明窗口。您选择的窗口应该适合应用程序http://en.wikipedia.org/wiki/Window_function

您选择的重叠量将在一定程度上取决于您使用的窗口类型。在上面的例子中,汉明窗口将每个缓冲区中的样本从每个帧的中心向零加权。为了使用输入信号中的所有信息,使用一些重叠是很重要的。但是,如果只使用普通矩形窗口,重叠将变得毫无意义,因为所有采样的权重都是相等的。使用的重叠越多,计算平均谱所需的处理就越多。

希望这能帮助你理解。

票数 14
EN

Stack Overflow用户

发布于 2012-03-14 11:11:03

你的结果是完全正确的。你的频率轴计算也是正确的。问题出在y轴尺度上。当您使用xlims函数时,matlab会自动重新计算y刻度,以便您可以看到“有意义”的数据。当余弦峰超出你选择的极限时(当f>500Hz时),没有峰可以显示,所以尺度是基于一些非常小的噪声来计算的(在我的电脑上,使用matlab 2011a,y尺度是10-16)。

改变极限确实是正确的方法,因为如果你不改变它,你就看不到频谱上的峰值。

然而,我注意到一件事。你有什么理由去绘制转换的真实部分吗?通常,绘制的是abs(F),而不是实际部分。

编辑:实际上,您的频率轴是正确的,因为在本例中,df是1。传真行是正确的,但df计算不正确。

快速傅立叶变换计算从- Fs /2到Fs/2的N个点。因此,在Fs的范围内的N个点产生Fs/N的df。当N/time =Fs => time = N/Fs时。在您使用的df表达式上替换为: your_df = Fs/N*(N/Fs) = ( Fs/N )^2。当Fs/N= 1时,最终结果是正确的:P

票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/9694297

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档