matlabfft去中心化
① （高分求助）用Matlab，怎么用FFT变换（傅立叶变换）将一时域数据变换到频域
s=importdata('s.txt');
y=fft(s,1024); %引入1024,是因为2的整数次幂点的FFT更好做一点,调用这个函数相当于将长度为1000的s补零至1024个点,做1024点FFT,效果等效于频域增加采样点
pyy=y.*conj(y); %不相当于ppy=abs(y),相当于ppy=abs(y).^2
f=10000*(0:512)/1024; %设定横坐标尺度,提醒一下楼主,10E-7对应的1E-6,你的意思应该是1E-7吧.因为横坐标以1kHz为单位,采用频率应该是10000kHz,所以10000代表的是这个意思,FFT最中间的点(以0开头的512点或者以1开头的513点)代表了一半采样频率的频率分量.
plot(f,pyy(1:513),'.-'); %绘制命令,如果要达到左图的频率范围,建议采用plot(f(1:25),pyy(1:25),'.-'),但是可以看到绘制的点数太少.
因此个人建议采用如下的语句
s=importdata('s.txt');
y=fft(s,10000);
pyy=y.*conj(y);
f=10000*(0:250)/10000;
plot(f(1:251),pyy(1:251),'.-');
因为没有s的原始数据,没法给你画图,猜测是加了哈宁窗的正弦信号.
② 如何使用Matlab，对一组数据进行FFT变换，得到频谱分析，万分感谢。
看看下面的程序，应该能帮上你的忙，已经通过调试：
Fs=256; %采样频率(Hz)
N=256; %采样点数
t=[0:1/Fs:N/Fs]; %采样时刻
S=2+3*cos(2*pi*10*t+pi*30/180)+cos(2*pi*20*t+pi*90/180);
%我的调试信号，你自己是电流电压数据的话，最开始通过load指令载入就是
Y = fft(S,N); %做FFT变换
Ayy = abs(Y); %取模
Ayy=Ayy/(N/2); %换算成实际的幅度
Ayy(1)=Ayy(1)/2;
F=([1:N]-1)*Fs/N; %换算成实际的频率值，Fn=(n-1)*Fs/N
stem(F(1:N/2),Ayy(1:N/2)); %显示换算后的FFT模值结果
title('幅度-频率曲线图');
③ 如何去除matlab中fft的对称频谱
FFT的频谱本身就是对称的，一般画频谱图时取前半部分就行。
④ matlab中如何对一组数据进行fft变换后得到频谱图
1、直接对其使用ceil函数，可以向上取整：即大于等于给定数据的最小整数。
⑤ MATLAB fft变换，横坐标为频率
matlab FFT 横坐标问题：前人关于FFT横坐标的详细阐述
我们知道Fourier分析是信号处理里很重要的技术，matlab提供了强大的信号处理能力，但是有一些细节部分需要我们注意。
记信号f(t)的起始时间为t_start, 终止时间为t_end, 采样周期为t_s, 可以计算信号的持续时间Duration为 t_end – t_start, 信号离散化造成的采样点数 N = Duration/t_s + 1;
根据Fourier分析的相关结论，我们知道时域的采样将会造成频域的周期化，该周期为采样频率f_s（著名的香农采样定理基于此）.
于是， 经过matlab的fft函数处理后，得到数据的横坐标为0:f_s/(N-1):f_s。相关代码如下所示：
%matlab fft 测试代码
t_s = 0.01;
t_start = 0.5; t_end = 5;
t = t_start:t_s:t_end;
y = 0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y_f = fft(y);
subplot(3,1,1);
plot(t,y); title('original signal');
Duration = t_end - t_start;
Sampling_points = Duration/t_s + 1;
f_s = 1/t_s;
f_x = 0:f_s/(Sampling_points-1):f_s;
subplot(3,1,2);
plot(f_x,abs(y_f)); title('fft transform');
subplot(3,1,3);
plot(f_x-f_s/2,abs(fftshift(y_f))); title('shift fft transform');
也就是说，如果我们不使用fftshift，其变换后的横坐标为0:f_s/(N-1):f_s，如果使用fftshift命令，0频率分量将会移到坐标中心，这也正是matlab中帮助中心给出的意思：对fft的坐标进行了处理。实际上由于频谱的周期性，我们这样做是合理的，可以接受的。
⑥ 关于matlab的FFT不懂！ 急！！！！！！！！！
1 、一般频域的采样点要大于时域的采样点，最好是2的幂数，便于计算。可以看看数字信号处理这类的书 2、 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 所以这里应该是 3 linspace(x0,x1,n) 其中n代表的是点的数目，即分成n-1等分。其实Fs/2*linspace(0,1,NFFT/2+1);就是在0到1之间分成NFFT/2份，也就是FS/NFFT,也就是设置间隔点的频率。最后2*abs(Y(1:NFFT/2+1)) 因为前面Y = fft(x,NFFT)/ NFFT 是原来信号的二分之一 所以要乘以2
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。
⑦ MATLAB用FFT和IFFT对实验数据除噪(如除去零点漂移)的原理
首先用FFT对实验数据进行频谱分析，找到你所需要信号的频率范围和噪声的频率范围，然后将噪声频段全部置零，最后将去噪后的信号进行IFFT，还原信号。
⑧ matlab里有什么工具箱，可以用FFT（快速傅立叶变换）做频谱分析
1、采样数据导入Matlab 。
采样数据的导入至少有三种方法。
第一就是手动将数据整理成Matlab支持的格式，这种方法仅适用于数据量比较小的采样。
第二种方法是使用Matlab的可视化交互操作，具体操作步骤为：File --> Import Data，然后在弹出的对话框中找到保存采样数据的文件，根据提示一步一步即可将数据导入。这种方法适合于数据量较大，但又不是太大的数据。
第三种方法，使用文件读入命令。数据文件读入命令有textread、fscanf、load等，如采样数据保存在txt文件中，则推荐使用 textread命令。如[a,b]=textread('data.txt','%f%*f%f'); 这条命令将data.txt中保存的数据三个三个分组，将每组的第一个数据送给列向量a，第三个数送给列向量b，第二个数据丢弃。命令类似于C语言，详细可查看其帮助文件。文件读入命令录入采样数据可以处理任意大小的数据量，且录入速度相当快，一百多万的数据不到20秒即可录入。
2、对采样数据进行频谱分析 。
频谱分析自然要使用快速傅里叶变换FFT了，对应的命令即 fft ，简单使用方法为：Y=fft(b,N)，其中b即是采样数据，N为fft数据采样个数。一般不指定N，即简化为Y=fft(b)。Y即为FFT变换后得到的结果，与b的元素数相等，为复数。以频率为横坐标，Y数组每个元素的幅值为纵坐标，画图即得数据b的幅频特性；以频率为横坐标，Y数组每个元素的角度为纵坐标，画图即得数据b的相频特性。典型频谱分析M程序举例如下： clc fs=100;
t=[0:1/fs:100];
N=length(t)-1;%减1使N为偶数 %频率分辨率F=1/t=fs/N
p=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)... +0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t);
%上面模拟对信号进行采样，得到采样数据p，下面对p进行频谱分析
figure(1) plot(t,p); grid on
title('信号 p(t)'); xlabel('t') ylabel('p') Y=fft(p);
magY=abs(Y(1:1:N/2))*2/N; f=(0:N/2-1)'*fs/N; figure(2)
%plot(f,magY);
h=stem(f,magY,'fill','--');
set(h,'MarkerEdgeColor','red','Marker','*') grid on
title('频谱图 （理想值：[0.48Hz,1.3]、[0.52Hz,2.1]、[0.53Hz,1.1]、[1.8Hz,0.5]、[2.2Hz,0.9]） '); xlabel('f (Hz)') ylabel('幅值')
对于现实中的情况，采样频率fs一般都是由采样仪器决定的，即fs为一个给定的常数；另一方面，为了获得一定精度的频谱，对频率分辨率F有一个人为的规定，一般要求F<0.01，即采样时间ts>100秒；由采样时间ts和采样频率fs即可决定采样数据量，即采样总点数N=fs*ts。这就从理论上对采样时间ts和采样总点数N提出了要求，以保证频谱分析的精准度。
⑨ 如何使用Matlab，对一组数据进行FFT变换，求得基波分量
x = load('data.dat'); %load 数据
fs=10000; % 采样频率，自己根据实际情况设置
N=length(x); % x 是待分析的数据
n=1:N;
%1-FFT
X=fft(x); % FFT
X=X(1:N/2);
Xabs=abs(X);
Xabs(1) = 0; %直流分量置0
for i= 1 : m
[Amax,index]=max(Xabs);
if(Xabs(index-1) > Xabs(index+1))
a1 = Xabs(index-1) / Xabs(index);
r1 = 1/(1+a1);
k01 = index -1;
else
a1 = Xabs(index) / Xabs(index+1);
r1 = 1/(1+a1);
k01 = index;
end
Fn = (k01+r1-1)*fs/N; %基波频率
An = 2*pi*r1*Xabs(k01)/(N*sin(r1*pi)); %基波幅值
Pn = phase(X(k01))-pi*r1; %基波相角 单位弧度
Pn = mod(Pn(1),pi);
end