当前位置：首页 > 编程日记 > 正文

matlab看fft帮助,日记 [2009年06月02日] MATLAB FFT HELP 帮助文档及我的翻译

编程日记 2024-10-22 04:00:00

fft

Fast Fourier Transform 的缩写，　即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。

即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。

设x(n)为N项的复数序列，由DFT变换，任一X(m)的计算都需要N次复数乘法和N-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”(四次实数乘法和四次实数加法)，那么求出N项复数序列的X(m),即N点DFT变换大约就需要N^2次运算。当N=1024点甚至更多的时候，需要N2=1048576次运算，在FFT中，利用WN的周期性和对称性，把一个N项序列(设N=2k,k为正整数)，分为两个N/2项的子序列，每个N/2点DFT变换需要(N/2)^2次运算，再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样变换以后，总的运算次数就变成N+2(N/2)^2=N+N^2/2。继续上面的例子，N=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的DFT运算单元，那么N点的DFT变换就只需要Nlog(2)(N)次的运算，N在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是FFT的优越性。

Discrete Fourier transform

Syntax

Y = fft(X)

Y = fft(X,n)

Y = fft(X,[],dim)

Y = fft(X,n,dim)

Definition

The functions X = fft(x) and x = ifft(X) implement the transform and inverse transform pair given for vectors of length by:

where

is an th root of unity.

Description

Y = fft(X) returns the discrete Fourier transform (DFT) of vector X, computed with a fast Fourier transform (FFT) algorithm.

If X is a matrix, fft returns the Fourier transform of each column of the matrix.

If X is a multidimensional array, fft operates on the first nonsingleton dimension.

Y = fft(X,n) returns the n-point DFT. If the length of X is less than n, X is padded with trailing zeros to length n. If the length of X is greater than n, the sequence X is truncated. When X is a matrix, the length of the columns are adjusted in the same manner.

Y = fft(X,[],dim) and Y = fft(X,n,dim) applies the FFT

Examples

A common use of Fourier transforms is to find the frequency components of a signal buried in a noisy time domain signal. Consider data sampled at 1000 Hz. Form a signal containing 50 Hz and 120 Hz and corrupt it with some zero-mean random noise:

t = 0:0.001:0.6; %取时间序列t，起始0，步长0.001,终止0.6

x = sin(2*pi*50*t)+sin(2*pi*120*t);%取信号x = sin(2*pi*50*t)+sin(2*pi*120*t);

y = x + 2*randn(size(t)); %randn(size(t))按照正态分布产生一个和矩阵t同型的伪随机的矩阵

subplot(2,1,1)%画出y的图像

plot(1000*t(1:50),y(1:50))%画出Y的图像

title('Signal Corrupted with Zero-Mean Random Noise')%给图像命名

xlabel('time (milliseconds)')%给图像横坐标加图注

Y = fft(y,512);%对y进行快速傅里叶变换

Pyy = Y.* conj(Y) / 512;%用Y乘以Y的共模

f = 1000*(0:256)/512;%获得频率向量

plot(f,Pyy(1:257))%画频谱图

title('Frequency content of y')%图的名称

xlabel('frequency (Hz)')%图横坐标的注释

https://www.dkcj.cn/info/24105.html

matlab看fft帮助,日记 [2009年06月02日] MATLAB FFT HELP 帮助文档及我的翻译

相关文章：

用Kotlin在IntelliJ Idea中无法生成 spring-configuration-metadata.json 文件

Linux系统轻量级监控工具monitorix和munin安装

MySql 查询表字段数

phpstudy2014 php7.0,phpstudy下载_phpStudy下载2014 官方版_php环境集成包 1.0_零度软件园...

AndroidApplication优化解耦

Git 详解

shell基础语法以及监控进程不存在重启

java md5算法,JAVA实现MD5算法

Hulu直播服务难点解析（一）：系统需求

Velocity 入门（一）

php 魔术方法多继承,day23:单继承多继承菱形继承init魔术方法

最新版IntelliJ IDEA 15开发Java Maven项目

Android APP全面屏适配技术要点

PHP数据库连接池SQL Relay安装使用

oracle实例由,Oracle数据库和实例

说一说activity

zookeeper脑裂

C语言编写的PHP框架--yaf入门编程

调试JDK源码-ConcurrentHashMap实现原理

oracle某个表丢失,丢失一个控制文件并恢复数据库

MySQL：一个死锁分析 (未分析出来的死锁)

经历一次真实的XSS跨站攻击以及应付之策

在linux中要删除abc目录,在 Linux 中,要删除 abc 目录及其全部内容的命令为:

ECHO.js 纯javascript轻量级延迟加载

SQL中的case when then else end用法

linux run文件夹,Linux下运行run文件

POJ2796 Feel Good（单调栈）

Solr占用CPU持续过高原因查询

通过一个案例理解 JWT

gitlab报错 fatal: index-pack failed error: RPC failed; result=18, HTTP code = 200解决方案