FFT变换后,坐标单位是什么?
假设1024点数据,纵坐标(电压)单位1mV,横坐标(时间)单位1mS,经过FFT变换后,得到另外1024点数据,
纵坐标还和原来一样马?是(电压)单位1mV?
横坐标,是频率,还是角频率,单位是什么呢? mark 依我看来,经过FFT变换后,纵坐标还和原来一样,单位1mV.
横坐标,是频率,如果采样1024点用了1秒,横座标以0开始,那横座标为1就是1Hz,横座标为2就是2Hz,横座标为n就是nHz. FFT之后得到1024个矢量. 分别对应者1024个正弦波方程,包含(幅度,频率,相位)3个信息. 如果忽略相位,则纵坐标为幅度(单位1mV),横坐标是频率(单位是1Khz,即1/1ms.其中1ms是采样的总时间).
即横纵坐标分别对应0Hz,1Khz,2Khz,3Khz....1023Khz处的幅度值.
----采样总时间决定FFT的精度, 上面假设采样总时间为1ms, 则FFT的分辨精度为1Khz(总时间的倒数)
----采样个数决定FFT的范围,上面有1024个点,则FFT的频率范围为0--1023Khz.(但是0--511Khz, 512K-1023Khz这2个片段是镜像对称的.故实际的频率范围为0--511Khz )
按照记忆写了些,有错唔怪. 如果题目中的1ms只是采样间隔,则采样总时间为1024ms, 则对应频率依次对应0hz, 1000/1024hz, 2000/1024hz, 3000/1024hz,.... 1023000/1024hz. 即横纵坐标分别对应0Hz,1Khz,2Khz,3Khz....1023Khz处的幅度值.
==========================================================
这句有点怀疑,我觉得是0Hz,1hz,2hz,3hz....1023hz更接近点,楼主说的应该是两取样点之间的间隔是1mS吧? 看来【3楼】 qinxg 很有研究,请教一下,FFT是怎么做的呢?网上搜的大多是写好的C程序,基础不好看不懂,能否用文字描过一下变换过程的步骤? 一般数字信号分析的书都会讲到的 会有流程图和变换方法 哈哈,才学过信号分析,知道一点。
首先,横坐标是频率,纵坐标是幅值。
但要注意几点:
1、幅频特性是周期性的偶函数,FFT之后你会发现图形是对称的。比如有3个点,FFT之后第1个点与第3个点对应的值是一样的。所以FFT变换得的数据一般要去掉后一半。
2、横坐标的频率的最大值是采样频率,那么每个点对应的频率值就很好算了:f(k) = *k(fs是采样频率,N是采样点数,k表是第k个点)。
3、本来傅立叶变换后幅值是减半的,但FFT是离散变换,由于算法的原因,幅值不再是减半了,具体什么关系我也记不清了。
4、频率为0的点对应的幅值就是信号中直流分量的幅值。
这算是一点学习心得吧,有什么不对的地方还请大家指正 貌似 实数FFT变换后,幅值减了一半,但是是左右对称的,如果把对称一半幅值也加上去,就正好没变。 学习中!! FFT变换后,横坐标是有1024个点,每个点代表一个频率。
这个频率跟采样频率有关系。
假设采样频率为 1M , 采样点数为1024 ,那么横坐标第N个点代表的频率 X(N) = (1M / 1024) * N FFT变换后,横坐标是有1024个点,每个点代表一个频率。
这个频率跟采样频率有关系。
假设采样频率为 1M , 采样点数为1024 ,那么横坐标第N个点代表的频率 X(N) = (1M / 1024) * N
------------------------------------------------------------------------------------------------------------
幅频特性是周期函数且是偶函数,怎么能除以1024呢? FFT是离散傅立叶变换的快速算法,可以将一个信号变换
到频域。有些信号在时域上是很难看出什么特征的,但是如
果变换到频域之后,就很容易看出特征了。这就是很多信号
分析采用FFT变换的原因。另外,FFT可以将一个信号的频谱
提取出来,这在频谱分析方面也是经常用的。
虽然很多人都知道FFT是什么,可以用来做什么,怎么去
做,但是却不知道FFT之后的结果是什意思、如何决定要使用
多少点来做FFT。
现在圈圈就根据实际经验来说说FFT结果的具体物理意义。
一个模拟信号,经过ADC采样之后,就变成了数字信号。采样
定理告诉我们,采样频率要大于信号频率的两倍,这些我就
不在此罗嗦了。
采样得到的数字信号,就可以做FFT变换了。N个采样点,
经过FFT之后,就可以得到N个点的FFT结果。为了方便进行FFT
运算,通常N取2的整数次方。
假设采样频率为Fs,信号频率F,采样点数为N。那么FFT
之后结果就是一个为N点的复数。每一个点就对应着一个频率
点。这个点的模值,就是该频率值下的幅度特性。具体跟原始
信号的幅度有什么关系呢?假设原始信号的峰值为A,那么FFT
的结果的每个点(除了第一个点直流分量之外)的模值就是A
的N/2倍。而第一个点就是直流分量,它的模值就是直流分量
的N倍。而每个点的相位呢,就是在该频率下的信号的相位。
第一个点表示直流分量(即0Hz),而最后一个点N的再下一个
点(实际上这个点是不存在的,这里是假设的第N+1个点,也
可以看做是将第一个点分做两半分,另一半移到最后)则表示
采样频率Fs,这中间被N-1个点平均分成N等份,每个点的频率
依次增加。例如某点n所表示的频率为:Fn=(n-1)*Fs/N。
由上面的公式可以看出,Fn所能分辨到频率为为Fs/N,如果
采样频率Fs为1024Hz,采样点数为1024点,则可以分辨到1Hz。
1024Hz的采样率采样1024点,刚好是1秒,也就是说,采样1秒
时间的信号并做FFT,则结果可以分析到1Hz,如果采样2秒时
间的信号并做FFT,则结果可以分析到0.5Hz。如果要提高频率
分辨力,则必须增加采样点数,也即采样时间。频率分辨率和
采样时间是倒数关系。
假设FFT之后某点n用复数a+bi表示,那么这个复数的模就是
An=根号a*a+b*b,相位就是Pn=atan2(b,a)。根据以上的结果,
就可以计算出n点(n≠1,且n<=N/2)对应的信号的表达式为:
An/(N/2)*cos(2*pi*Fn*t+Pn),即2*An/N*cos(2*pi*Fn*t+Pn)。
对于n=1点的信号,是直流分量,幅度即为A1/N。
由于FFT结果的对称性,通常我们只使用前半部分的结果,
即小于采样频率一半的结果。
好了,说了半天,看着公式也晕,下面圈圈以一个实际的
信号来做说明。
假设我们有一个信号,它含有2V的直流分量,频率为50Hz、
相位为-30度、幅度为3V的交流信号,以及一个频率为75Hz、
相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下:
S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)
式中cos参数为弧度,所以-30度和90度要分别换算成弧度。
我们以256Hz的采样率对这个信号进行采样,总共采样256点。
按照我们上面的分析,Fn=(n-1)*Fs/N,我们可以知道,每两个
点之间的间距就是1Hz,第n个点的频率就是n-1。我们的信号
有3个频率:0Hz、50Hz、75Hz,应该分别在第1个点、第51个点、
第76个点上出现峰值,其它各点应该接近0。实际情况如何呢?
我们来看看FFT的结果的模值如图所示。
图1 FFT结果
从图中我们可以看到,在第1点、第51点、和第76点附近有
比较大的值。我们分别将这三个点附近的数据拿上来细看:
1点: 512+0i
2点: -2.6195E-14 - 1.4162E-13i
3点: -2.8586E-14 - 1.1898E-13i
50点:-6.2076E-13 - 2.1713E-12i
51点:332.55 - 192i
52点:-1.6707E-12 - 1.5241E-12i
75点:-2.2199E-13 -1.0076E-12i
76点:3.4315E-12 + 192i
77点:-3.0263E-14 +7.5609E-13i
很明显,1点、51点、76点的值都比较大,它附近的点值
都很小,可以认为是0,即在那些频率点上的信号幅度为0。
接着,我们来计算各点的幅度值。分别计算这三个点的模值,
结果如下:
1点: 512
51点:384
76点:192
按照公式,可以计算出直流分量为:512/N=512/256=2;
50Hz信号的幅度为:384/(N/2)=384/(256/2)=3;75Hz信号的
幅度为192/(N/2)=192/(256/2)=1.5。可见,从频谱分析出来
的幅度是正确的。
然后再来计算相位信息。直流信号没有相位可言,不用管
它。先计算50Hz信号的相位,atan2(-192, 332.55)=-0.5236,
结果是弧度,换算为角度就是180*(-0.5236)/pi=-30.0001。再
计算75Hz信号的相位,atan2(192, 3.4315E-12)=1.5708弧度,
换算成角度就是180*1.5708/pi=90.0002。可见,相位也是对的。
根据FFT结果以及上面的分析计算,我们就可以写出信号的表达
式了,它就是我们开始提供的信号。
总结:假设采样频率为Fs,采样点数为N,做FFT之后,某
一点n(n从1开始)表示的频率为:Fn=(n-1)*Fs/N;该点的模值
除以N/2就是对应该频率下的信号的幅度(对于直流信号是除以
N);该点的相位即是对应该频率下的信号的相位。相位的计算
可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角
度值,范围从-pi到pi。要精确到xHz,则需要采样长度为1/x秒
的信号,并做FFT。要提高频率分辨率,就需要增加采样点数,
这在一些实际的应用中是不现实的,需要在较短的时间内完成
分析。解决这个问题的方法有频率细分法,比较简单的方法是
采样比较短时间的信号,然后在后面补充一定数量的0,使其长度
达到需要的点数,再做FFT,这在一定程度上能够提高频率分辨力。
具体的频率细分法可参考相关文献。
我看这个就写的很好,转过来,楼主看看 FFT变换后,横坐标是有1024个点,每个点代表一个频率。
这个频率跟采样频率有关系。
假设采样频率为 1M , 采样点数为1024 ,那么横坐标第N个点代表的频率 X(N) = (1M / 1024) * N
------------------------------------------------------------------------------------------------------------
幅频特性是周期函数且是偶函数,怎么能除以1024呢?
*************************************************************************************************************
看了楼上的,我又查了下书,是我错了,是除以1024,而不是512 http://cache.amobbs.com/bbs_upload782111/files_19/ourdev_487025.JPG
(原文件名:Image0032.JPG)
http://cache.amobbs.com/bbs_upload782111/files_19/ourdev_487027.JPG
(原文件名:Image0034.JPG) 不错,我也给传个资料,
请问一下高人,加窗后,幅值怎么算.
点击此处下载 ourdev_487071.doc(文件大小:37K) (原文件名:FFT结果的物理意义.doc)
ourdev_487072.pdf(文件大小:199K) (原文件名:嵌入式系统中FFT算法研究.pdf)
C 程序ourdev_487073.rar(文件大小:28K) (原文件名:FFT Routines for the C8051F12x Family.rar) 第二本中FFT倒序算法 貌似 不好。
http://cache.amobbs.com/bbs_upload782111/files_19/ourdev_487123.JPG
(原文件名:Image0158.JPG) mark mark 牛 mark 信号与系统 不是有么,貌似蝶形算法来着 按时间抽取 来晚啦 hushaoxin 发表于 2009-9-29 17:11
FFT是离散傅立叶变换的快速算法,可以将一个信号变换
到频域。有些信号在时域上是很难看出什么特征的,但是 ...
写的 不错 FFT变换是将时域中的值转换成频域中复变量。DSP中FFT程序中转换后是一组二维数组,二维数组中一个代表实变量,另一代表复变量,这样就知道该次谐波的幅值和相角。这一数组分别代表的是直流分量,基波分量、3次谐波、5、7次谐波……。
DSP采样间隔的时间是固定的,例如50Hz交流电,每周期采样128点,AD采样间隔就是0.15625ms,电流电压采样经FFT运算后,分别得到电流电压的运算结果,这样就可以算出电流电压基波分量的相位和相位差。3次谐波就是150Hz的分量,其他高次谐波依此类推。我原来做过一阵无功补偿,就是这样理解的。 马克!!!!!! 学习中.
页:
[1]