使用Matlab对信号进行频域分析的方法

　　Matlab可以说是一个非常有用且功能齐全的工具，在通信、自控、金融等方面有广泛的应用。

　　本文讨论使用Matlab对信号进行频域分析的方法。

　　说到频域，不可避免的会提到傅里叶变换，傅里叶变换提供了一个将信号从时域转变到频域的方法。之所以要有信号的频域分析，是因为很多信号在时域不明显的特征可以在频域下得到很好的展现，可以更加容易的进行分析和处理。

　　FFT

　　Matlab提供的傅里叶变换的函数是FFT，中文名叫做快速傅里叶变换。快速傅里叶变换的提出是伟大的，使得处理器处理数字信号的能力大大提升，也使我们生活向数字化迈了一大步。

　　接下来就谈谈如何使用这个函数。

　　fft使用很简单，但是一般信号都有x和y两个向量，而fft只会处理y向量，所以想让频域分析变得有意义，那么就需要用户自己处理x向量

　　一个简单的例子

　　从一个简单正弦信号开始吧，正弦信号定义为：

　　我们现在通过以下代码在Matlab中画出这个正弦曲线

　　fo = 4; %frequency of the sine wave

　　Fs = 100; %sampling rate

　　Ts = 1/Fs; %sampling time interval

　　t = 0:Ts:1-Ts; %sampling period

　　n = length(t); %number of samples

　　y = 2*sin(2*pi*fo*t); %the sine curve

　　%plot the cosine curve in the time domain

　　sinePlot = figure;

　　plot(t,y)

　　xlabel('time (seconds)')

　　ylabel('y(t)')

　　title('Sample Sine Wave')

　　grid

　　这就是我们得到的：

　　当我们对这条曲线fft时，我们希望在频域得到以下频谱(基于傅里叶变换理论，我们希望看见一个幅值为1的峰值在-4Hz处，另一个在+4Hz处)

　　使用FFT命令

　　我们知道目标是什么了，那么现在使用Matlab的内建的FFT函数来重新生成频谱

　　%plot the frequency spectrum using the MATLAB fft command

　　matlabFFT = figure; %create a new figure

　　YfreqDomain = fft(y); %take the fft of our sin wave, y(t)

　　stem(abs(YfreqDomain)); %use abs command to get the magnitude

　　%similary, we would use angle command to get the phase plot!

　　%we'll discuss phase in another post though!

　　xlabel('Sample Number')

　　ylabel('Amplitude')

　　title('Using the Matlab fft command')

　　grid

　　axis([0,100,0,120])

　　效果如下：

　　但是注意一下，这并不是我们真正想要的，有一些信息是缺失的

　　x轴本来应该给我们提供频率信息，但是你能读出频率吗?

　　幅度都是100

　　没有让频谱中心为

　　为FFT定义一个函数来获取双边频谱

　　以下代码可以简化获取双边频谱的过程，复制并保存到你的.m文件中

　　function [X,freq]=centeredFFT(x,Fs)

　　%this is a custom function that helps in plotting the two-sided spectrum

　　%x is the signal that is to be transformed

　　%Fs is the sampling rate

　　N=length(x);

　　%this part of the code generates that frequency axis

　　if mod(N,2)==0

　　k=-N/2:N/2-1; % N even

　　else

　　k=-(N-1)/2:(N-1)/2; % N odd

　　end

　　T=N/Fs;

　　freq=k/T; %the frequency axis

　　%takes the fft of the signal, and adjusts the amplitude accordingly

　　X=fft(x)/N; % normalize the data

　　X=fftshift(X); %shifts the fft data so that it is centered

　　这个函数输出正确的频域范围和变换后的信号，它需要输入需要变换的信号和采样率。

　　接下来使用前文的正弦信号做一个简单的示例，注意你的示例.m文件要和centeredFFT.m文件在一个目录下

　　[YfreqDomain,frequencyRange] = centeredFFT(y,Fs);

　　centeredFFT = figure;

　　%remember to take the abs of YfreqDomain to get the magnitude!

　　stem(frequencyRange,abs(YfreqDomain));

　　xlabel('Freq (Hz)')

　　ylabel('Amplitude')

　　title('Using the centeredFFT function')

　　grid

　　axis([-6,6,0,1.5])

　　效果如下：

　　这张图就满足了我们的需求,我们得到了在+4和-4处的峰值，而且幅值为1.

　　为FFT定义一个函数来获取右边频谱

　　从上图可以看出，FFT变换得到的频谱是左右对称的，因此，我们只需要其中一边就能获得信号的所有信息，我们一般保留正频率一侧。

　　以下的函数对上面的自定义函数做了一些修改，让它可以帮助我们只画出信号的正频率一侧

　　function [X,freq]=positiveFFT(x,Fs)

　　N=length(x); %get the number of points

　　k=0:N-1; %create a vector from 0 to N-1

　　T=N/Fs; %get the frequency interval

　　freq=k/T; %create the frequency range

　　X=fft(x)/N; % normalize the data

　　%only want the first half of the FFT, since it is redundant

　　cutOff = ceil(N/2);

　　%take only the first half of the spectrum

　　X = X(1:cutOff);

　　freq = freq(1:cutOff);

　　和前面一样，使用正弦信号做一个示例，下面是示例代码

　　[YfreqDomain,frequencyRange] = positiveFFT(y,Fs);

　　positiveFFT = figure;

　　stem(frequencyRange,abs(YfreqDomain));

　　set(positiveFFT,'Position',[500,500,500,300])

　　xlabel('Freq (Hz)')

　　ylabel('Amplitude')

　　title('Using the positiveFFT function')

　　grid

　　axis([0,20,0,1.5])

　　效果如下：