有一组振动信号数据是等角度采样得到的,采样频率怎么确定?如何把角域信号做频谱分析?然后再做阶次分析？_百度知道
有一组振动信号数据是等角度采样得到的,采样频率怎么确定?如何把角域信号做频谱分析?然后再做阶次分析？
我有更好的答案
采样的信号，你想满足奈奎斯特采样定理，是较高的采样频率，高通过的信号的最高频率，只有这样才能保证频域混叠，该数字信号进行采样，满分包含的所有信息信号开采，并没有引入干扰。这是时域信号的采样。上述的是一个理论，至于在工程实践中，采样频率是通常为3至5倍，甚至10倍，在开采的信号的频率，频率的增加而增加，的后端处理的工作量是很大的，但在信号质量更好。
频谱分析是指，在频域的频谱的信号分析，在频域中观察其各自的组件的功率的大小，和其理论是基于傅里叶变换逗的信号，用线性系统逗课程工程一般使用数字的方法，即是时域信号，数字化后的FFT，可以得到的频域波形
采纳率：63%
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。MATLAB中进行FFT谱分析，如何将频谱图的横坐标转换成频率？_百度知道
MATLAB中进行FFT谱分析，如何将频谱图的横坐标转换成频率？
对一段音频信号进行FFT谱分析，长度为500点。横坐标为1-500。现在想将其直接转换为频率，已知采样率为22050HZ 及中心点对应的实际频率最大，应该是11025HZ（采样定理）。求达人如何进行转换。使横左边关于中心点对称，中心频率为11025HZ
[x,fs,bite]=wavread...
我有更好的答案
[x,fs,bite]=wavread('C:\WINDOWS\Media\Windows XP 启动.wav',[]);z=x(:,1);y=fft(z);Y=fftshift(X);sound(x,fs,bite);subplot(2,1,1);plot(abs(Y));将零频分量移至频谱中心的函数格式：Y=fftshift(X)功能：用来重新排列X=fft(x)的输出，把X 的左右两半进行交换，从而将零频分量移至频谱中心。
采纳率：37%
一.调用方法X=FFT(x)；X=FFT(x，N)；x=IFFT(X);x=IFFT(X,N)用MATLAB进行谱分析时注意：（1）函数FFT返回值的数据结构具有对称性。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
4.7782 + 7.7071i
0 + 5.0000i -10.7782 - 6.2929iXk与xn的维数相同，共有8个元素。Xk的第一个数对应于直流分量，即频率值为0。（2）做FFT分析时，幅值大小与FFT选择的点数有关，但不影响分析结果。在IFFT时已经做了处理。要得到真实的振幅值的大小，只要将得到的变换后结果乘以2除以N即可。二.FFT应用举例例1：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。采样频率fs=100Hz，分别绘制N=128、1024点幅频图。fs=100;N=128;
%采样频率和数据点数n=0:N-1;t=n/
%时间序列x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %信号y=fft(x,N);
%对信号进行快速Fourier变换mag=abs(y);
%求得Fourier变换后的振幅f=n*fs/N;
%频率序列subplot(2,2,1),plot(f,mag);
%绘出随频率变化的振幅xlabel('频率/Hz');ylabel('振幅');title('N=128');subplot(2,2,2),plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅xlabel('频率/Hz');ylabel('振幅');title('N=128');%对信号采样数据为1024点的处理fs=100;N=1024;n=0:N-1;t=n/x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %信号y=fft(x,N);
%对信号进行快速Fourier变换mag=abs(y);
%求取Fourier变换的振幅f=n*fs/N;subplot(2,2,3),plot(f,mag); %绘出随频率变化的振幅xlabel('频率/Hz');ylabel('振幅');title('N=1024');subplot(2,2,4)plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅xlabel('频率/Hz');ylabel('振幅');title('N=1024');运行结果：fs=100Hz，Nyquist频率为fs/2=50Hz。整个频谱图是以Nyquist频率为对称轴的。并且可以明显识别出信号中含有两种频率成分：15Hz和40Hz。由此可以知道FFT变换数据的对称性。因此用FFT对信号做谱分析，只需考察0~Nyquist频率范围内的福频特性。若没有给出采样频率和采样间隔，则分析通常对归一化频率0~1进行。另外，振幅的大小与所用采样点数有关，采用128点和1024点的相同频率的振幅是有不同的表现值，但在同一幅图中，40Hz与15Hz振动幅值之比均为4：1，与真实振幅0.5：2是一致的。为了与真实振幅对应，需要将变换后结果乘以2除以N。例2：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t),fs=100Hz,绘制：（1）数据个数N=32，FFT所用的采样点数NFFT=32；（2）N=32，NFFT=128；（3）N=136，NFFT=128；（4）N=136，NFFT=512。fs=100; %采样频率Ndata=32; %数据长度N=32; �T的数据长度n=0:Ndata-1;t=n/
%数据对应的时间序列x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
%时间域信号y=fft(x,N);
%信号的Fourier变换mag=abs(y);
%求取振幅f=(0:N-1)*fs/N; %真实频率subplot(2,2,1),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅xlabel('频率/Hz');ylabel('振幅');title('Ndata=32 Nfft=32');Ndata=32;
%数据个数N=128;
%T采用的数据长度n=0:Ndata-1;t=n/
%时间序列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; %真实频率subplot(2,2,2),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅xlabel('频率/Hz');ylabel('振幅');title('Ndata=32 Nfft=128');Ndata=136;
%数据个数N=128;
�T采用的数据个数n=0:Ndata-1;t=n/ %时间序列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;
%真实频率subplot(2,2,3),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅xlabel('频率/Hz');ylabel('振幅');title('Ndata=136 Nfft=128');Ndata=136;
%数据个数N=512;
�T所用的数据个数n=0:Ndata-1;t=n/ %时间序列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;
%真实频率subplot(2,2,4),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅xlabel('频率/Hz');ylabel('振幅');title('Ndata=136 Nfft=512');结论：（1）当数据个数和FFT采用的数据个数均为32时，频率分辨率较低，但没有由于添零而导致的其他频率成分。（2）由于在时间域内信号加零，致使振幅谱中出现很多其他成分，这是加零造成的。其振幅由于加了多个零而明显减小。（3）FFT程序将数据截断，这时分辨率较高。（4）也是在数据的末尾补零，但由于含有信号的数据个数足够多，FFT振幅谱也基本不受影响。
对信号进行频谱分析时，数据样本应有足够的长度，一般FFT程序中所用数据点数与原含有信号数据点数相同，这样的频谱图具有较高的质量，可减小因补零或截断而产生的影响。例3：x=cos(2*pi*0.24*n)+cos(2*pi*0.26*n)（1）数据点过少，几乎无法看出有关信号频谱的详细信息；（2）中间的图是将x(n)补90个零，幅度频谱的数据相当密，称为高密度频谱图。但从图中很难看出信号的频谱成分。（3）信号的有效数据很长，可以清楚地看出信号的频率成分，一个是0.24Hz，一个是0.26Hz，称为高分辨率频谱。
可见，采样数据过少，运用FFT变换不能分辨出其中的频率成分。添加零后可增加频谱中的数据个数，谱的密度增高了，但仍不能分辨其中的频率成分，即谱的分辨率没有提高。只有数据点数足够多时才能分辨其中的频率成分。
你要先能确定你在进行仿真时用的fs，还有FFT时的位数N，也即你做完FFT后，信号y的长度。N=length（y），然后可以由ff=[0:N-1]*Fs/N来确定频率分布，把它作为横轴。画图时用plot(ff,abs(y))即可。
为您推荐：
其他类似问题
频谱图的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。在电子工程世界为您找到如下关于“ FFT ”的新闻
　　前些日子，因为需要在STM32F103系列处理器上，对采集的音频信号进行FFT，所以花了一些时间来研究如何高效并精确的在STM32F103系列处理器上实现FFT。在网上找了很多这方面的资料做实验并进行比较，最终选择了使用STM32提供的DSP库这种方法。　　本文将以一个实例来介绍如何使用STM32提供的DSP库函数进行FFT。&1.FFT运算效率　　使用...
前些日子，因为需要在STM32F103系列处理器上，对采集的音频信号进行FFT，所以花了一些时间来研究如何高效并精确的在STM32F103系列处理器上实现FFT。在网上找了很多这方面的资料做实验并进行比较，最终选择了使用STM32提供的DSP库这种方法。
本文将以一个实例来介绍如何使用STM32提供的DSP库函数进行FFT。
1.FFT运算效率
　　使用STM32官方...
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
FFT（Fast Fourier Transform，快速傅立叶变换）是离散傅立叶变换的快速算法，也是我们在数字信号处理技术中经常会提到的一个概念。在大学的理工科课程中，在完成高等数学的课程后，数字信号处理一般会作为通信电子类专业的专业基础课程进行学习，原因是其中涉及了大量的高等数学的理论推导，同时又是各类应用技术的理论基础。
关于傅立叶变换的经典著作和文章非常多，但是看到...
快速傅里叶变换（FFT）频率分析
示波器有很强的分析信号频谱的能力；快速傅里叶变换（FFT）现在是几乎所有数字示波器的标配工具。以下是关于如何设置和使用FFT进行频谱分析的实验指导书。
WaveRunner Zi系列的示波器
10:1 高阻抗无源探头.
初始化设置
本指导书的初始化设置是基于WaveRunner 6 Zi 示波器实现:
开始ADC216频谱分析仪的实验，我们这次测试两个音频功率放大器。一款是Kenwood的经济型，另一款是Quad的高品质型。ADC216的一个通道通过X10探头连到功放的喇叭输出接头。
在下面的测试中，我们使用BlackStar的低失真信号发生器产生信号。下图显示的是信号发生器产生的纯1KHz信号频谱。
再调整输入，直到功放只给8欧负载输出1.5W，这样，更容易观察到交越失真的效果。Quad的结果如下图：
我们再把Kenwood连上，同样调整到给8欧负载输出1.5W，结果如下图：
当测试音频设备时，频率响应是另一项重要指标。一般来说，希望在20到20KHz的音频频谱间有一个&平坦&的响应，最低-3dB。我们用示...
; 在电源噪声的分析过程中，比较经典的方法是使用示波器观察电源噪声波形并测量其幅值，据此判断电源噪声的来源。但是随着数字器件的电压逐步降低、电流逐步升高，电源设计难度增大，在观察时域波形无法定位故障时，可以通过 FFT（快速傅立叶变换）方法进行时频转换，将时域电源噪声波形转换到频域进行分析。电路调试时，从时域和频域两个角度分别来查看信号特征，可以有效地加速调试进程...
在DSO中，通过快速傅立叶变换（FFT）可以得到信号的频谱，进而在频域对一个信号进行分析。如电源谐波的测量需要用FFT来观察频谱，在高速串行数据的测量中也经常用FFT来分析导致系统失效的噪声和干扰。对于FFT运算来说，示波器可用的采集内存的总量将决定可以观察信号成分的最大范围（奈奎斯特频率），同时存储深度也决定了频率分辨率△f。如果奈奎斯特频率为500 MHz，分辨率为10...
FFT 资料下载
fftHINTS FOR FAST FOURIER TRANSFORMXINIAN ZUO To seminar DIP course of MIPG at BNU Abstract. In this note, I proposed one brief framework to the famous fast fourier transform in...
FFT结果的物理意义...
详细讲解FFT程序 的执行步骤和流程...
FFT变换，非常好的！很有用的！！...
　　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...
按频率抽取的FFT算法一、算法原理设输入序列长度为N=2M(M为正整数，将该序列的频域的输出序列X(k)(也是M点序列，按其频域顺序的奇偶分解为越来越短的子序列，称为基2按频率抽取的FFT算法。也称为Sander-Tukey算法。二、算法步骤1.分组已证明频域上X(k)按k的奇偶分为两组，在时域上x(n)按n的顺序分前后两部分，现将输入x(n)按n的顺序分前后两部分...
FFT汇编源代码，可以实现FFT运算...
一个基于MSP430-5529的FFT变换，可测频率。...
国外做的比较好的fft，linux下的源码。...
基于DSP 技术的虚拟式FFT 频谱分析仪...
FFT 相关帖子
D:\\Documents\\Desktop 怎么对这个.dat文件进行FFT频谱分析。用CCS和C语言。求助 matlab吧，简单易用
FFT有现成的程序，自己可找找。
dontium 发表于
FFT有现成的程序，自己可找找。
请问能帮我一下吗 ，我不会对这样一个电脑里现成的.dat文件分析，只能找到那种在程序里生成波形然后分析的。真心求助。用cool...
基于STM32 DSP库的1024个点的FFT运算。
[ 本帖最后由 GONGHCU 于
09:34 编辑 ] 基于STM32 DSP库的1024个点的FFT运算
官方都有范例的，，LZ还...
官方都有范例的
路过看看，学习一下。
路过看看，学习了！
亲自移植过STM32F4的FPU库，刚开始一头雾水，后来发现其实只需要初始化几个宏定义就行了...
我调用FFT这个IP核，可是运行到最后那个“EDA Netlist Writer”的时候出现这样的错误，Error: Can\'t generate netlist output files because the license for encrypted file &D:/myworks/dianzijingsai/FPGA/FFT/fft...
系统组成：
F28035（模拟部分损坏）+ ADS8332 + TFT LCD
第一次试用TI的FFT库，确实非常简单，但占用内存相当大，后在网上找 了个，占用内存不大。调了调，还没有调好。
我的FFT初步搞定 一楼的显示是在手接触ADC输入端时的情况。
下图是ADC输入端悬空时的情况：
[ 本帖最后由 dontium 于
00:21 编辑...
当你无意中看到了这款水晶城堡桌面音乐频谱，你绝对是最幸运的。首先你肯定是一位音乐爱好者（当然也可能是一位爱好音乐的电子爱好者），你是不是在欣赏音乐的时候虽然选用了很高档的音响装备，但始终发现有所欠缺，这就对了，你缺的就是她-----AS1216音乐频谱显示器。当你拥有了她你才发现，世界上还有如此美好的听音享受。
& && &如果说乔布斯的iphone4是手...
关键词：数字信号处理器 DSP 调音器 FFT
& & 各种非电子乐器，尤其是弦鸣乐器，都是一个将机械运动转变为空气振动的能量转换系统。吉他是一种弦乐器，弹奏时通过拨动琴弦来发声。弦是声源，对发声起激励的作用。而音板和整个共鸣箱在和弦的耦合作用下，即可以将声音放大，又可以影响乐器发声中各个谐波频谱的形成，起到“润色”的作用。六根琴弦本身振动所发的声音各不相同...
FFTs核的仿真，先综合说找不到核？怎么回事。我用的是9.1I版本，提示错误如下：ERROR:HDLCompilers:87 - &myfft.v& line 32 Could not find module/primitive \'fft1\'，我工程里面建的有FFTS的IP核啊。
module myfft(fwd_inv_we,start,fwd_inv,clk...
交流输入分析 - 电能质量测试
交流输入分析 - 电流谐波测试
交流输入分析 - 浪涌电流
开关切换分析 - 开关切换功率和能量损耗
开关切换分析 - Rds-on & Vce-sat
开关切换分析 - 调制
开关切换分析 - 斜率
使用 S 系列 8 GHz 示波器作为射频接收机执行的基本...
《LabVIEW2010中文版虚拟仪器从入门到精通》由浅入深地讲解了LabVIEW的应用技术与应用技巧，通过理论与实例结合的方式，深入浅出地介绍了LabVIEW的使用方法和使用技巧。
全书共分12章，介绍了LabVIEW的使用方法，包括LabVIEW2010中文版的基本操作界面介绍，创建和编辑VI的...
广州创龙提供了大量C6748/OMAPL138的开发资料，是业内C6748/OMAPL138资料最完善企业，提供视频教程，创造了C6748/OMAPL138平台开发的新局面。现阶段共有81个C6748例程，含人脸识别、数字识别、FFT、FIR、IIR、NDK、WebServer等实用例程。同时含详细...
你可能感兴趣的标签
热门资源推荐周热销排行
用户评论（0）
在此可输入您对该资料的评论~
添加成功至
资料评价：您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
3.7利用FFT分析时域连续信号频谱.ppt 31页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
3.7利用FFT分析时域连续信号频谱
你可能关注的文档：
··········
··········
* 第3章 快速傅里叶变换
利用FFT分析时域连续信号频谱
3.7.1 基本步骤
图 3-21 时域连续信号离散傅里叶分析的处理步骤
在图3-21中，前置低通滤波器LPF（预滤波器）的引入，是为了消除或减少时域连续信号转换成序列时可能出现的频谱混叠的影响。 在实际工作中，时域离散信号x(n)的时宽是很长的， 甚至是无限长的（例如语音或音乐信号）。由于DFT的需要(实际应用FFT计算)，必须把x(n)限制在一定的时间区间之内，即进行数据截断。
数据的截断相当于加窗处理（窗函数见6.2节）。 因此， 在计算FFT之前，用一个时域有限的窗函数w(n)加到x(n)上是非常必要的。
xc(t)通过A/D变换器转换(忽略其幅度量化误差)成采样序列x(n)，其频谱用X(ejω)表示，它是频率ω的周期函数，即
式中，Xc(jΩ)或
为xc(t)的频谱。
在实际应用中，前置低通滤波器的阻带不可能是无限衰减的， 故由Xc(jΩ)周期延拓得到的X(ejω)有非零重叠，即出现频谱混叠现象。
由于进行FFT的需要，必须对序列x(n)进行加窗处理，即v(n)=x(n)w(n)，加窗对频域的影响，用卷积表示如下:
最后是进行FFT运算。 加窗后的DFT是
式中，假设窗函数长度L小于或等于DFT长度N，为进行FFT运算，这里选择N为2的整数幂次即N=2m。
有限长序列v(n)=x(n)w(n)的DFT相当于v(n)傅里叶变换的等间隔采样。
V(k)便是sc(t)的离散频率函数。因为DFT对应的数字域频率间隔为Δω=2π/N，且模拟频率Ω和数字频率ω间的关系为ω=ΩΤ， 其中Ω=2πf。所以，离散的频率函数第k点对应的模拟频率为:
由式（3-52）很明显可看出，数字域频率间隔Δω=2π/N对应的模拟域谱线间距为
谱线间距，又称频谱分辨率（单位：Hz）。所谓频谱分辨率是指可分辨两频率的最小间距。它的意思是，如设某频谱分析的F=5?Hz，那么信号中频率相差小于5 Hz的两个频率分量在此频谱图中就分辨不出来。
长度N=16 的时间信号v(n)=(1.1)nR16(n)的图形如图 3-22(a)所示, 其16点的DFT
V(k)的示例如图 3 - 22(b)所示。 其中T为采样时间间隔（单位：s）；fs为采样频率（单位：Hz）；tp为截取连续时间信号的样本长度（又称记录长度，单位：s）；F为谱线间距，又称频谱分辨率（单位：Hz）。 注意：V(k)示例图给出的频率间距F及N个频率点之间的频率fs为对应的模拟域频率(单位： Hz)?。
由图可知：
在实际应用中, 要根据信号最高频率fh和频谱分辨率F的要求， 来确定T、tp和N的大小。
（1）首先，由采样定理，为保证采样信号不失真，fs≥2fh(fh为信号频率的最高频率分量，也就是前置低通滤波器阻带的截止频率)， 即应使采样周期T满足
（2） 由频谱分辨率F和T确定N,
为了使用FFT运算，这里选择N为2的幂次即N=2m，由式(3-55)可知，N大，分辨率好，但会增加样本记录时间tp。
（3） 最后由N, T确定最小记录长度，tp=NT。
例 3-3 有一频谱分析用的FFT处理器，其采样点数必须是2的整数幂， 假定没有采用任何特殊的数据处理措施，已给条件为:
① 频率分辨率≤10 Hz;　② 信号最高频率≤4kHz。试确定以下参量： ?
最小记录长度tp；?
最大采样间隔T（即最小采样频率）；?
(3) 在一个记录中的最少点数N。
解 (1) 由分辨率的要求确定最小长度tp?
所以记录长度为
(2) 从信号的最高频率确定最大可能的采样间隔T（即最小采样频率fs=1/T）。 按采样定理
最小记录点数N应满足
如果我们事先不知道信号的最高频率，可以根据信号的时域波形图来估计它。例如， 某信号的波形如图 3-23 所示。 先找出相邻的波峰与波谷之间的距离，如图中t1，t2，t3，t4。 然后，选出其中最小的一个如t4。这里, t4可能就是由信号的最高频率分量形成的。 峰与谷之间的距离就是周
正在加载中，请稍后...