快速傅里叶变换实验报告
快速傅立叶变换FFT实验报告
快速傅立叶变换〔FFT〕算法试验一．试验目的1.加深对DFT 算法原理和根本性质的理解；2.生疏FFT 算法原理和FFT 子程序的应用；3.学习用FFT 对连续信号和时域信号进展谱分析的方法，了解可能消灭的分析误差及其缘由，以便在实际中正确应用FFT。
二．试验设备计算机，CCS 3.1 版软件，E300 试验箱，DSP 仿真器，导线三．根本原理1.离散傅立叶变换DFT 的定义：将时域的采样变换成频域的周期性离散函数，频域的采样也可以变换成时域的周期性离散函数，这样的变换称为离散傅立叶变换，简称DFT。
2.FFT 是DFT 的一种快速算法，将DFT 的N2 步运算削减为〔N/2〕logN 步，极大2的提高了运算的速度。
3.旋转因子的变化规律。
4.蝶形运算规律。
5.基2FFT 算法。
四．试验步骤1.E300 底板的开关SW4 的第1 位置ON，其余置OFF。
其余开关不用具体设置。
2.E300 板子上的SW7 开关的第1 位置OFF，其余位置ON3.阅读本试验所供给的样例子程序；4.运行CCS 软件，对样例程序进展跟踪，分析结果；记录必要的参数。
5.填写试验报告。
6.供给样例程序试验操作说明A.试验前预备用导线连接“Signal expansion Unit”中2 号孔接口“SIN”和“A/D 单元”的2 号孔接口“AD_IN0”。
〔试验承受的是外部的AD模块〕B.试验1.正确完成计算机、DSP 仿真器和试验箱的连接后，系统上电。
2.启动CCS3.1，Project/Open 翻开“algorithm\01_fft”子名目下“fft.pjt”工程文件；双击“fft.pjt”及“Source”可查看各源程序；加载“Debug\fft.out”；3.单击“Debug\Go main”进入到主程序，在主程序“flag=0；”处设置断点；4.单击“Debug \ Run”运行程序，或按F5 运行程序；程序将运行至断点处停顿；5.用View / Graph / Time/Frequency 翻开一个图形观看窗口；设置该观看图形窗口变量及参数；承受双踪观看在启始地址分别为px 和pz，长度为128，数值类型为16 位整型，p x：存放经A/D 转换后的输入信号；p z：对该信号进展FFT 变换的结果。
应用快速傅里叶变换对信号进行频谱分析实验报告
应用快速傅里叶变换对信号进行频谱分析实验报告实验报告：快速傅里叶变换在信号频谱分析中的应用【引言】傅里叶分析是一种重要的信号处理方法，可将时域信号转换为频域信号，并且可以分解信号的频谱成分。
传统的傅里叶变换算法在计算复杂度方面较高，为了降低计算的复杂度，人们提出了快速傅里叶变换（FFT）算法。
本实验旨在通过应用快速傅里叶变换对信号进行频谱分析，研究信号的频谱特性。
【实验目的】1.了解傅里叶变换的基本原理，研究其在信号处理中的应用；2.学习快速傅里叶变换算法的原理和优点；3.通过实验操作，观察信号的频谱特性，分析实验结果。
【实验原理】1. 傅里叶变换（FT）：对于一个连续时间域信号x(t)，其傅里叶变换可表示为X(ω) = ∫[t=−∞,∞]x(t)e^(-jωt)dt，其中X(ω)表示频域上的信号分量，ω为角频率。
2.快速傅里叶变换（FFT）算法：FFT是一种离散时间域信号的频谱分析方法，具有较低的计算复杂度。
FFT算法使用了分治法的思想，将信号分解为较小的频谱分量，并通过递归计算得到完整的频谱图。
3.FFT算法的步骤：1)若信号长度为N，则将其分为两个长度为N/2的子信号；2)对子信号进行FFT变换；3)将两个子信号拼接起来，得到完整信号的频谱分量。
【实验步骤】1.准备实验材料和装置：计算机、FFT分析软件、信号发生器等；2.设置信号发生器的输出参数，例如频率、幅度等；3.连接信号发生器和计算机，打开FFT分析软件；4.在FFT软件中选择输入信号通道，设置采样参数等；5.开始实验，观察计算机屏幕上的频谱图；6.调整信号发生器的参数，重复第5步，记录实验结果；7.结束实验，关闭设备。
【实验结果与分析】我们选择了一个简单的正弦波信号作为输入信号，信号频率设置为100Hz，幅度设置为1V。
在进行频谱分析之前，我们通过示波器观察到一个明显的正弦波信号。
接下来，我们将信号输入到计算机上的FFT分析软件中，进行频谱分析。
实验二用FFT做谱分析实验报告
实验二用FFT做谱分析实验报告一、引言谱分析是信号处理中一个重要的技术手段，通过分析信号的频谱特性可以得到信号的频率、幅度等信息。
傅里叶变换是一种常用的谱分析方法，通过将信号变换到频域进行分析，可以得到信号的频谱信息。
FFT（快速傅里叶变换）是一种高效的计算傅里叶变换的算法，可以大幅减少计算复杂度。
本实验旨在通过使用FFT算法实现对信号的谱分析，并进一步了解信号的频谱特性。
二、实验目的1.理解傅里叶变换的原理和谱分析的方法；2.学习使用FFT算法对信号进行谱分析；3.通过实验掌握信号的频谱特性的分析方法。
三、实验原理傅里叶变换是将信号从时域转换到频域的一种数学变换方法，可以将一个非周期性信号分解为一系列正弦和余弦函数的叠加。
FFT是一种计算傅里叶变换的快速算法，能够在较短的时间内计算出信号的频谱。
在进行FFT谱分析时，首先需要对信号进行采样，然后利用FFT算法将采样后的信号转换到频域得到信号的频谱。
频谱可以用幅度谱和相位谱表示，其中幅度谱表示信号在不同频率下的幅度，相位谱表示信号在不同频率下的相位。
四、实验装置和材料1.计算机；2.信号发生器；3.数字示波器。
五、实验步骤1.连接信号发生器和示波器，通过信号发生器产生一个周期为1s的正弦信号，并将信号输入到示波器中进行显示；2.利用示波器对信号进行采样，得到采样信号；3.利用FFT算法对采样信号进行频谱分析，得到信号的频谱图。
六、实验结果[插入频谱图]从频谱图中可以清晰地看到信号在不同频率下的幅度和相位信息。
其中，频率为2Hz的分量的幅度最大，频率为5Hz的分量的幅度次之。
七、实验分析通过对信号的频谱分析，我们可以得到信号的频率分量和其对应的幅度和相位信息。
通过分析频谱图，我们可以得到信号中各个频率分量的相对强度。
在本实验中，我们可以看到频率为2Hz的分量的幅度最大，频率为5Hz的分量的幅度次之。
这说明信号中存在2Hz和5Hz的周期性成分，且2Hz的成分更为明显。
快速傅里叶变换（含详细实验过程分析）
快速傅⾥叶变换（含详细实验过程分析）[实验2] 快速傅⾥叶变换 (FFT) 实现⼀、实验⽬的1、掌握FFT 算法和卷积运算的基本原理；2、掌握⽤C 语⾔编写DSP 程序的⽅法；3、了解利⽤FFT 算法在数字信号处理中的应⽤。
⼆、实验设备 1. ⼀台装有CCS 软件的计算机； 2. DSP 实验箱的TMS320C5410主控板； 3. DSP 硬件仿真器。
三、实验原理（⼀）快速傅⾥叶变换傅⾥叶变换是⼀种将信号从时域变换到频域的变换形式，是信号处理的重要分析⼯具。
离散傅⾥叶变换（DFT ）是傅⾥叶变换在离散系统中的表⽰形式。
但是DFT 的计算量⾮常⼤， FFT 就是DFT 的⼀种快速算法, FFT 将DFT 的N 2步运算减少⾄ ( N/2 )log 2N 步。
离散信号x(n)的傅⾥叶变换可以表⽰为∑=-=10][)(N N nk N W n x k X ， Nj N e W /2π-=式中的W N 称为蝶形因⼦，利⽤它的对称性和周期性可以减少运算量。
⼀般⽽⾔，FFT 算法分为时间抽取（DIT ）和频率抽取（DIF ）两⼤类。
两者的区别是蝶形因⼦出现的位置不同，前者中蝶形因⼦出现在输⼊端，后者中出现在输出端。
本实验以时间抽取⽅法为例。
时间抽取FFT 是将N 点输⼊序列x(n) 按照偶数项和奇数项分解为偶序列和奇序列。
偶序列为：x(0), x(2), x(4),…, x(N-2)；奇序列为：x(1), x(3), x(5),…, x(N-1)。
这样x(n) 的N 点DFT 可写成：()()∑++∑=-=+-=12/0)12(12/02122)(N n kn NN n nkNW n x Wn x k X考虑到W N 的性质，即2/)2//(22/)2(2][N N j N j N W e e W ===--ππ因此有：()()∑++∑=-=-=12/02/12/02/122)(N n nkN k NN n nkN W n x WWn x k X或者写成：()()12()kN X k X k W X k =+由于X 1(k) 与X 2(k) 的周期为N/2，并且利⽤W N 的对称性和周期性，即：kNNkNWW-=+2/可得：()()12(/2)kNX k N X k W X k+=-对X1(k) 与X2(k)继续以同样的⽅式分解下去，就可以使⼀个N点的DFT最终⽤⼀组2点的DFT来计算。
快速傅立叶变换(FFT)算法_DSP实验
快速傅立叶变换(FFT)算法实验摘要：FFT（Fast Fourier Transformation），即为快速傅里叶变换，是离散傅里叶变换的快速算法，它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。
这种算法大大减少了变换中的运算量，使得其在数字信号处理中有了广泛的运用。
本实验主要要求掌握在CCS环境下用窗函数法设计FFT快速傅里叶的原理和方法；并且熟悉FFT快速傅里叶特性；以及通过本次试验了解各种窗函数对快速傅里叶特性的影响等。
引言：快速傅里叶变换FFT是离散傅里叶变换DFT的一种快速算法。
起初DFT的计算在数字信号处理中就非常有用，但由于计算量太大，即使采用计算机也很难对问题进行实时处理，所以并没有得到真正的运用。
1965年J.W.库利和T.W.图基提出快速傅里叶变换，采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少,特别是被变换的抽样点数N越多,FFT算法计算量的节省就越显著。
从此，对快速傅里叶变换（FFT）算法的研究便不断深入，数字信号处理这门新兴学科也随FFT的出现和发展而迅速发展。
根据对序列分解与选取方法的不同而产生了FFT的多种算法，基本算法是基2DIT和基2DIF。
FFT 的出现，使信号分析从时域分析向频域分析成为可能，极大地推动了信号分析在各领域的实际应用。
FFT在离散傅里叶反变换、线性卷积和线性相关等方面也有重要应用。
一、 实验原理：FFT 并不是一种新的变换，它是离散傅立叶变换（DFT ）的一种快速算法。
由于我们在计算DFT 时一次复数乘法需用四次实数乘法和二次实数加法；一次复数加法则需二次实数加法。
每运算一个X （k ）需要4N 次复数乘法及2N+2（N-1）=2（2N-1）次实数加法。
所以整个DFT 运算总共需要4N^2次实数乘法和N*2(2N-1)=2N(2N-1)次实数加法。
如此一来，计算时乘法次数和加法次数都是和N^2成正比的，当N 很大时，运算量是可观的，因而需要改进对DFT 的算法减少运算速度。
FFT算法分析实验实验报告
FFT算法分析实验实验报告一、实验目的快速傅里叶变换（Fast Fourier Transform，FFT）是数字信号处理中一种非常重要的算法。
本次实验的目的在于深入理解 FFT 算法的基本原理、性能特点，并通过实际编程实现和实验数据分析，掌握 FFT 算法在频谱分析中的应用。
二、实验原理FFT 算法是离散傅里叶变换（Discrete Fourier Transform，DFT）的快速计算方法。
DFT 的定义为：对于长度为 N 的序列 x(n)，其 DFT 为X(k) ＝∑n=0 到 N-1 x(n) e^（j 2π k n ／ N) ，其中 j 为虚数单位。
FFT 算法基于分治法的思想，将 N 点 DFT 分解为多个较小规模的DFT，从而大大减少了计算量。
常见的 FFT 算法有基 2 算法、基 4 算法等。
三、实验环境本次实验使用的编程语言为 Python，主要依赖 numpy 库来实现 FFT 计算和相关的数据处理。
四、实验步骤1、生成测试信号首先，生成一个包含不同频率成分的正弦波叠加信号，例如100Hz、200Hz 和 300Hz 的正弦波。
设定采样频率为 1000Hz，采样时间为 1 秒，以获取足够的采样点进行分析。
2、进行 FFT 计算使用 numpy 库中的 fft 函数对生成的测试信号进行 FFT 变换。
3、频谱分析计算 FFT 结果的幅度谱和相位谱。
通过幅度谱确定信号中各个频率成分的强度。
4、误差分析与理论上的频率成分进行对比，计算误差。
五、实验结果与分析1、幅度谱分析观察到在 100Hz、200Hz 和 300Hz 附近出现明显的峰值，对应于生成信号中的频率成分。
峰值的大小反映了相应频率成分的强度。
2、相位谱分析相位谱显示了各个频率成分的相位信息。
3、误差分析计算得到的频率与理论值相比，存在一定的误差，但在可接受范围内。
误差主要来源于采样过程中的量化误差以及 FFT 算法本身的近似处理。
快速傅立叶变换(FFT)的实现(DSP实验报告)
快速傅立叶变换（FFT ）的实现一、实验目的在数字信号处理系统中，FFT 作为一个非常重要的工具经常使用，甚至成为DSP 运算能力的一个考核因素。
FFT 是一种高效实现离散付氏变换的算法。
离散付氏变换的目的是把信号由时域变换到频域，从而可以在频域分析处理信息，得到的结果再由付氏逆变换到时域。
本实验的目的在于学习FFT 算法，及其在TMS320C54X 上的实现，并通过编程掌握C54X 的存储器管理、辅助寄存器的使用、位倒序寻址方式等技巧，同时练习使用CCS 的探针和图形工具。
另外在BIOS 子目录下是一个使用DSP/BIOS 工具实现FFT 的程序。
通过该程序，你可以使用DSP/BIOS 提供的分析工具评估FFT 代码执行情况。
二、实验原理1）基 2 按时间抽取FFT 算法对于有限长离散数字信号{x[n]} ，0 ≤n ≤-1 N，其离散谱{x[k]} 可以由离散付氏变换（DFT）求得。
DFT 的定义为：X(k) x[n]e N k 0,1,...,N 1 n0可以方便的把它改写为如下形式：N1nkX(k) x[n]W n N k k 0,1,..., N 1n0不难看出，WN 是周期性的，且周期为N，即( n mN )(k lN ) nkm,l 0, 1, 2...W N W NWN 的周期性是DFT 的关键性质之一。
为了强调起见，常用表达式WN 取代W 以便明确其周期是N。
2) 实数FFT 运算对于离散傅立叶变换( DFT)的数字计算，FFT 是一种有效的方法。
一般假定输入序列是复数。
当实际输入是实数时，利用对称性质可以使计算DFT 非常有效。
一个优化的实数FFT 算法是一个组合以后的算法。
原始的2N 个点的实输入序列组合成一个N 点的复序列，之后对复序列进行N 点的FFT 运算，最后再由N 点的复数输出拆散成2N 点的复数序列，这2N点的复数序列与原始的2N点的实数输入序列的DFT 输出一致。
fft实验分析实验报告
fft实验分析实验报告FFT实验分析实验报告一、引言傅里叶变换（Fourier Transform）是一种重要的信号分析工具，它能够将一个信号分解成不同频率的成分。
快速傅里叶变换（Fast Fourier Transform，FFT）是一种高效的计算傅里叶变换的算法。
本实验旨在通过实际操作，探究FFT在信号分析中的应用。
二、实验设备与方法1. 实验设备：本实验使用的设备包括示波器、信号发生器和计算机。
2. 实验方法：（1）将信号发生器的输出接入示波器的输入端。
（2）调节信号发生器的参数，如频率、振幅等，产生不同的信号。
（3）通过示波器观察信号的波形，并记录相关数据。
（4）将示波器与计算机通过USB接口连接，将示波器上的数据传输到计算机上。
（5）使用计算机上的软件进行FFT分析，得到信号的频谱信息。
三、实验结果与分析1. 实验一：正弦波信号的FFT分析（1）设置信号发生器的频率为1000Hz，振幅为5V，产生一段正弦波信号。
（2）通过示波器观察信号的波形，并记录相关数据。
（3）将示波器上的数据传输到计算机上，进行FFT分析。
实验结果显示，正弦波信号的频谱图呈现出单个峰值，且峰值位于1000Hz处。
这说明FFT能够准确地分析出信号的频率成分，并将其可视化展示。
2. 实验二：方波信号的FFT分析（1）设置信号发生器的频率为500Hz，振幅为5V，产生一段方波信号。
（2）通过示波器观察信号的波形，并记录相关数据。
（3）将示波器上的数据传输到计算机上，进行FFT分析。
实验结果显示，方波信号的频谱图呈现出多个峰值，且峰值位于500Hz的倍数处。
这说明方波信号由多个频率成分叠加而成，FFT能够将其分解出来，并显示出各个频率成分的强度。
3. 实验三：复杂信号的FFT分析（1）设置信号发生器的频率为100Hz和200Hz，振幅分别为3V和5V，产生一段复杂信号。
（2）通过示波器观察信号的波形，并记录相关数据。
（3）将示波器上的数据传输到计算机上，进行FFT分析。
实验五--快速傅里叶变换
实验五--快速傅里叶变换CENTRAL SOUTH UNIVERSITY数字信号处理实验报告题目快速傅里叶变换学生姓名学院物理与电子学院专业班级电子信息科学与技术1105班学号140411072实验五快速傅里叶变换一、实验仪器PC机一台、JQ-SOPC开发系统实验箱及辅助软件（DSP Builder、Matlab/Simulink、Quartus II、Modelsim）。
二、实验目的1、了解快速傅里叶变换的基本结构组成。
2、学习使用DSP Builder设计FFT。
三、实验原理1、FFT的原理：快速傅里叶变换（FFT）是离散傅里叶变换（DFT）的一种高效运算方法，它大大简化了DFT 的运算过程,使运算时间缩短几个数量级。
FFT 算法可以分为按时间抽取（DIT）和按频率抽取（DIF）两类，输入也可分为实数和复数两种情况。
八点时间抽取基-2FFT算法信号流图如图1示：图1 8点基-2 DIT-FFT信号流图四、实验步骤1、将桌面的my_fft_8.mdl拷贝到“D:\Program Files\MATLAB71\work”(MATLAB安装目录下的work文件夹)处，并双击打开。
图5-1 快速傅里叶变换系统图图5-2 快速傅里叶变换子系统1图图5-3 快速傅里叶变换子系统2图图5-3 快速傅里叶变换子系统3图2、点击工具栏即可开始系统级simulink仿真，以验证该模型的正确性。
在仿真进行过程中分别将三个输入控制开关打到000、001、010、011、100以选择五组输入数据进行FFT运算。
（1）当开关打到000时选择第一组数据{2.0,2.0,4.0,7.0,3.0,5.0,5.0,8.0}，其运算结果应为36、-2.41+3.84i、-4+8i、0.4219+1.844i、-8、0.4102-1.84i、-4-8i、-2.422-3.844i。
（2）当开关打到001时选择第二组数据{1.1,5.0,10.5,15.3,20.2,25.7,30.6,40.1},其运算结果应该为148.5、-16.1+52.35i、-19.8+24.7i、-22.02+12.25i、-23.7、-22.1-12.15i、-19.8-24.7i、-16.9-52.45i。
数字信号处理_快速傅里叶变换FFT实验报告
数字信号处理_快速傅里叶变换FFT实验报告快速傅里叶变换(FFT)实验报告1. 引言数字信号处理是一门研究如何对数字信号进行处理、分析和提取信息的学科。
傅里叶变换是数字信号处理中常用的一种方法，可以将信号从时域转换到频域。
而快速傅里叶变换(FFT)是一种高效的计算傅里叶变换的算法，广泛应用于信号处理、图象处理、通信等领域。
2. 实验目的本实验旨在通过编写程序实现快速傅里叶变换算法，并对不同信号进行频谱分析。
3. 实验原理快速傅里叶变换是一种基于分治策略的算法，通过将一个N点离散傅里叶变换(DFT)分解为多个较小规模的DFT，从而实现高效的计算。
具体步骤如下： - 如果N=1，直接计算DFT；- 如果N>1，将输入序列分为偶数和奇数两部份，分别计算两部份的DFT；- 将两部份的DFT合并为整体的DFT。
4. 实验步骤此处以C语言为例，给出实验的具体步骤：(1) 定义输入信号数组和输出频谱数组；(2) 实现快速傅里叶变换算法的函数，输入参数为输入信号数组和输出频谱数组；(3) 在主函数中调用快速傅里叶变换函数，得到输出频谱数组；(4) 对输出频谱数组进行可视化处理，如绘制频谱图。
5. 实验结果与分析为了验证快速傅里叶变换算法的正确性和有效性，我们设计了以下实验：(1) 生成一个正弦信号，频率为100Hz，采样频率为1000Hz，时长为1秒；(2) 对生成的正弦信号进行快速傅里叶变换，并绘制频谱图；(3) 生成一个方波信号，频率为200Hz，采样频率为1000Hz，时长为1秒；(4) 对生成的方波信号进行快速傅里叶变换，并绘制频谱图。
实验结果显示，对于正弦信号，频谱图中存在一个峰值，位于100Hz处，且幅度较大；对于方波信号，频谱图中存在多个峰值，分别位于200Hz的奇数倍处，且幅度较小。
这与我们的预期相符，说明快速傅里叶变换算法能够正确地提取信号的频谱信息。
6. 实验总结通过本次实验，我们成功实现了快速傅里叶变换算法，并对不同信号进行了频谱分析。
（完整版）快速傅里叶变换实验
（完整版）快速傅⾥叶变换实验实验七快速傅⾥叶变换实验2011010541 机14 林志杭⼀、实验⽬的1．加深对⼏个特殊概念的理解：“采样” ??“混叠”；“窗函数”（截断）??“泄漏”；“⾮整周期截取”??“栅栏” 。
2．加深理解如何才能避免“混叠” ，减少“泄漏” ，防⽌“栅栏”的⽅法和措施以及估计这些因素对频谱的影响。
3．对利⽤通⽤微型计算机及相应的FFT软件，实现频谱分析有⼀个初步的了解。
⼆、实验原理为了实现信号的数字化处理，利⽤计算机进⾏频谱分析――计算信号的频谱。
由于计算机只能进⾏有限的离散计算（即DFT），因此就要对连续的模拟信号进⾏采样和截断。
⽽这两个处理过程可能引起信号频谱的畸变，从⽽使DFT 的计算结果与信号的实际频谱有误差。
有时由于采样和截断的处理不当，使计算出来的频谱完全失真。
因此在时域处理信号时要格外⼩⼼。
时域采样频率过低，将引起频域的“混叠” 。
为了避免产⽣“混叠” ，要求时域采样时必须满⾜采样定理，即：采样频率fs必须⼤于信号中最⾼频率fc的2倍（fs> 2fc）。
因此在信号数字处理中，为避免混叠，依不同的信号选择合适的采样频率将是⼗分重要的。
频域的“泄漏” 是由时域的截断引起的。
时域的截断使频域中本来集中的能量向它的邻域扩散（如由⼀个δ（f）变成⼀个sinc（f），⽽泄漏的旁瓣将影响其它谱线的数值。
时域截断还会引起“栅栏效应” ，对周期信号⽽⾔，它是由于截断长度不等于周期信号的周期的整数倍⽽引起的。
因此避免“栅栏”效应的办法就是整周期截断。
综上所述，在信号数字化处理中应⼗分注意以下⼏点：1．为了避免“混叠” ，要求在采样时必须满⾜采样定理。
为了减少“泄漏” ，应适当增加截断长度和选择合适的窗对信号进⾏整周期截取，则能消除“栅栏数应” 。
增加截断长度，则可提⾼频率分辨率。
三、预习内容熟悉Matlab 语⾔、函数和使⽤⽅法；利⽤Matlab 所提供的FFT函数编写程序。
快速傅立叶变换FFT及其应用实验报告
实验一 离散时间系统的时域分析一、实验目的１. 运用MA TLAB 仿真一些简单的离散时间系统，并研究它们的时域特性。
２. 运用MA TLAB 中的卷积运算计算系统的输出序列，加深对离散系统的差分方程、冲激响应和卷积分析方法的理解。
二、实验原理离散时间系统其输入、输出关系可用以下差分方程描述：∑=∑=-=-M k k N k k k n x p k n y d 00][][当输入信号为冲激信号时，系统的输出记为系统单位冲激响应 ][][n h n →δ，则系统响应为如下的卷积计算式：∑∞-∞=-=*=m m n h m x n h n x n y ][][][][][ 当h[n]是有限长度的（n ：[0，M]）时，称系统为FIR 系统；反之，称系统为IIR 系统。
在MA TLAB 中，可以用函数y=Filter(p,d,x) 求解差分方程，也可以用函数 y=Conv(x,h)计算卷积。
例1clf;n=0:40;a=1;b=2;x1= 0.1*n;x2=sin(2*pi*n);x=a*x1+b*x2;num=[1, 0.5,3];den=[2 -3 0.1];ic=[0 0]; %设置零初始条件y1=filter(num,den,x1,ic); %计算输入为x1(n)时的输出y1(n)y2=filter(num,den,x2,ic); %计算输入为x2(n)时的输出y2(n)y=filter(num,den,x,ic); %计算输入为x (n)时的输出y(n)yt= a*y1+b*y2;%画出输出信号subplot(2,1,1)stem(n,y);ylabel(‘振幅’)；title(‘加权输入a*x1+b*x2的输出’)；subplot(2,1,2)stem(n,yt);ylabel(‘振幅’)；title(‘加权输出a*y1+b*y2’)；(一)、线性和非线性系统对线性离散时间系统，若)(1n y 和)(2n y 分别是输入序列)(1n x 和)(2n x 的响应，则输入)()()(21n bx n ax n x +=的输出响应为)()()(21n by n ay n y +=，即符合叠加性，其中对任意常量a 和b 以及任意输入)(1n x 和)(2n x 都成立，否则为非线性系统。
快速傅里叶变换实验报告
快速傅里叶变换实验报告班级：姓名：学号:快速傅里叶变换一．实验目的1.在理论学习的基础上，通过本实验加深对快速傅立叶变换的理解；2.熟悉并掌握按时间抽取FFT 算法的程序；3.了解应用FFT 进行信号频谱分析过程中可能出现的问题，例如混淆、泄漏、栅栏效应等，以便在实际中正确应用FFT 。
二．实验内容1.仔细分析教材第六章‘时间抽取法FFT ’的算法结构，编制出相应的用FFT 进行信号分析的C 语言（或MATLAB 语言）程序；2.用FFT 程序分析正弦信号()sin(2)[()(*)],(0)1y t f t u t u t N T t u π=---∞<<+∞=设分别在以下情况进行分析并讨论所得的结果：a ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.000625sb ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.005sc ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.0046875sd ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.004se ） 信号频率f ＝50Hz ，采样点数N=64,采样间隔T=0.000625sf ） 信号频率f ＝250Hz ，采样点数N=32,采样间隔T=0.005sg ） 将c ） 信号后补32个0，做64点FFT三．实验要求1.记录下实验内容中各种情况下的X (k)值，做出频谱图并深入讨论结果，说明参数的变化对信号频谱产生哪些影响。
频谱只做模特性，模的最大值＝1，全部归一化；2.打印出用C 语言（或MATLAB 语言）编写的FFT 源程序，并且在每一小段处加上详细的注释说明；3.用C 语言（或MATLAB 语言）编写FFT 程序时，要求采用人机界面形式：N , T , f 变量均由键盘输入，补零或不补零要求设置一开关来选择。
四．实验分析对于本实验进行快速傅里叶变换，依次需要对信号进行采样，补零（要求补零时），码位倒置，蝶形运算，归一化处理并作图。
快速傅里叶变换(含详细实验过程分析)
[实验2] 快速傅里叶变换 (FFT) 实现一、实验目的1、掌握FFT 算法和卷积运算的基本原理；2、掌握用C 语言编写DSP 程序的方法；3、了解利用FFT 算法在数字信号处理中的应用。
二、实验设备 1. 一台装有CCS 软件的计算机； 2. DSP 实验箱的TMS320C5410主控板； 3. DSP 硬件仿真器。
三、实验原理 （一）快速傅里叶变换傅里叶变换是一种将信号从时域变换到频域的变换形式，是信号处理的重要分析工具。
离散傅里叶变换（DFT ）是傅里叶变换在离散系统中的表示形式。
但是DFT 的计算量非常大， FFT 就是DFT 的一种快速算法, FFT 将DFT 的N 2步运算减少至 ( N/2 )log 2N 步。
离散信号x(n)的傅里叶变换可以表示为∑=-=10][)(N N nk N W n x k X ， Nj N e W /2π-=式中的W N 称为蝶形因子，利用它的对称性和周期性可以减少运算量。
一般而言，FFT 算法分为时间抽取（DIT ）和频率抽取（DIF ）两大类。
两者的区别是蝶形因子出现的位置不同，前者中蝶形因子出现在输入端，后者中出现在输出端。
本实验以时间抽取方法为例。
时间抽取FFT 是将N 点输入序列x(n) 按照偶数项和奇数项分解为偶序列和奇序列。
偶序列为：x(0), x(2), x(4),…, x(N-2)；奇序列为：x(1), x(3), x(5),…, x(N-1)。
这样x(n) 的N 点DFT 可写成：()()∑++∑=-=+-=12/0)12(12/02122)(N n kn NN n nkNW n x Wn x k X考虑到W N 的性质，即2/)2//(22/)2(2][N N j N j N W e e W ===--ππ因此有：()()∑++∑=-=-=12/02/12/02/122)(N n nkN k NN n nkN W n x WWn x k X或者写成：()()12()kN X k X k W X k =+由于X 1(k) 与X 2(k) 的周期为N/2，并且利用W N 的对称性和周期性，即：kNNkNWW-=+2/可得：()()12(/2)kNX k N X k W X k+=-对X1(k) 与X2(k)继续以同样的方式分解下去，就可以使一个N点的DFT最终用一组2点的DFT来计算。
应用快速傅里叶变换对信号进行频谱分析实验报告
应用快速傅里叶变换对信号进行频谱分析实验报告实验报告：应用快速傅里叶变换（FFT）对信号进行频谱分析摘要：本实验旨在通过应用快速傅里叶变换（FFT）对信号进行频谱分析，探索信号在频域中的特征及其应用。
实验中我们选择了一个特定的信号，并通过FFT将其转换成频谱图。
通过分析频谱图，我们可以了解到信号中的频域信息，并通过此信息进一步分析和研究信号的特性。
实验结果表明，应用FFT对信号进行频谱分析可以提供有关信号频域特性的重要信息。
一、实验目的：通过实验，我们的目标是：1.了解傅里叶变换的原理和概念；2.掌握快速傅里叶变换（FFT）的原理和实现方法；3.应用FFT对特定信号进行频谱分析，并分析信号在频域中的特点；4.了解频谱分析在信号处理中的应用。
二、实验器材：1.计算机；2.信号发生器；3.音频采集设备。
三、实验步骤：1.选择特定信号，可以是音频信号、振动信号等；2.通过信号发生器产生特定信号；3.通过音频采集设备将信号输入到计算机中，采集信号数据；4.利用计算机上的信号处理软件，应用FFT将信号转换为频谱图；5.分析频谱图，观察信号在频域中的特征。
四、实验结果与分析：我们选择了一个简单的音频信号作为实验对象。
通过实验，我们得到了该音频信号的频谱图。
通过观察该频谱图，我们可以看到信号的主要频率成分以及其强度。
在频谱图中，横轴表示频率，纵轴表示信号的强度。
频谱图显示了信号的频率分布情况。
通过观察频谱图，我们可以得到以下结论：1.该音频信号主要包含在低频和高频范围内，中频较少；2.低频和高频范围内的强度较高，中频范围内的强度较低；3.在低频和高频范围内都存在一些峰值，可能代表着信号的主要频率成分。
通过分析频谱图，我们可以了解到信号在频域中的特征。
在实际应用中，频谱分析可以用于不同领域，例如声音处理、图像处理等。
通过频谱分析，我们可以了解到信号的频域信息，从而更好地理解和处理信号。
五、实验总结：实验结果表明，应用快速傅里叶变换对信号进行频谱分析可以提供有关信号频域特性的重要信息。
fft实验报告
快速傅里叶变换实验报告一、实验目的（一）加深对几个特殊概念的理解：“采样”——“混叠”；“窗函数”（截断）——“泄漏”；非整周期截取”——“栅栏”。
（二）加深理解如何才能避免“混叠”，减少“泄漏”，防止“栅栏”的方法和措施以及估计这些因素对频谱的影响。
（三）对利用通用微型计算机及相应的FFT 软件，实现频谱分析有一个初步的了解。
二、实验原理为了实现信号的数字化处理，利用计算机进行频谱分析——计算信号的频谱。
由于计算机只能进行有限的离散计算（即DFT ），因此就要对连续的模拟信号进行采样和截断。
而这两个处理过程可能引起信号频谱的畸变，从而使DFT 的计算机过于信号的实际频谱有误差。
有时由于采样和截断的处理不当，使计算出来的频谱完全失真。
因此在时域处理信号时要格外小心。
在信号数字化处理中应十分注意以下几点：（一）为了避免“混叠”，要求在采样时必须满足采样定理。
（二）为了减少“泄漏”，应适当增加截断长度和选择合适的窗。
（三）对信号进行整周期截取，则能消除“栅栏效应”。
（四）增加截断长度，则可提高频率分辨率。
三、实验内容及步骤（一）基本信号的FFT 变换1、()000sin(sin 2cos36x t w t w t w t π=+++第1组：采样频率,截断长度N=1608s f f =程序清单：n=16;%截取长度multi=8;%采样频率倍数x=0;%初始化向量，维数待定w0=2*pi;%设定基准频率for var=1:1:nx(var)=sin(w0/multi*(var-1)+pi/6)+sin(2*w0/multi*(var-1))+cos(3*w0/multi*(var-1));endy=fft(x);y=fftshift(y);ang=angle(y)/pi*180;altitude=abs(y)/n;var=1:1:n;subplot(1,2,1);bar(var,altitude,0.3);title('幅频图');xlabel('w');ylabel('幅值');subplot(1,2,2);bar(var,ang,0.3);colormap ([0 1 1]);title('相频图');xlabel('w');ylabel('相位');ang =Columns 1 through 80 -24.1998 0.0000 -155.8595 90.0000 81.2485 60.0000 157.9674 Columns 9 through 16180.0000 -157.9674 -60.0000 -81.2485 -90.0000 155.8595 -0.0000 24.1998altitude=Columns 1 through 80.0000 0.0000 0.5000 0.0000 0.5000 0.0000 0.5000 0.0000 Columns 9 through 160.0000 0.0000 0.5000 0.0000 0.5000 0.0000 0.5000 0.0000分析：1、频率分辨率是00.5sf f Nδ==2、x(t)的信号频率成分中的最高频率，满足采样定理，所以DFT 结果没有频率032sf f <混叠现象。
快速傅里叶变换实验报告
快速傅里叶变换实验报告快速傅里叶变换实验报告机械34班 刘攀 2013010558一、 基本信号（函数）的FFT 变换1. 000()sin()sin 2cos36x t t t t πωωω=+++ 1) 采样频率08s f f =，截断长度N=16；取02ωπ=rad/s ，则0f =1Hz ，s f =8Hz ，频率分辨率f ∆=s f f N ∆==0.5Hz 。
最高频率c f =30f =3Hz ，s f >2c f ，故满足采样定理，不会发生混叠现象。
截断长度02T T =，整周期截取，不会发生栅栏效应。
理论上有一定的泄漏，但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。
频谱图如下：幅值误差0A ∆=，相位误差0ϕ∆=。
2) 采样频率08s f f =，截断长度N=32；取02ωπ=rad/s ，则0f =1Hz ，s f =8Hz ，频率分辨率f ∆=s f f N ∆==0.25Hz 。
最高频率c f =30f =3Hz ，s f >2c f ，故满足采样定理，不会发生混叠现象。
截断长度04T T =，整周期截取，不会发生栅栏效应。
理论上有一定的泄漏，但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。
频谱图如下：幅值误差0A ∆=，相位误差0ϕ∆=。
2. 00()sin()sin116x t t t πωω=++ 1) 采样频率08s f f =，截断长度N=16；取02ωπ=rad/s ，则0f =1Hz ，s f =8Hz ，频率分辨率f ∆=s f f N ∆==0.5Hz 。
最高频率c f =110f =11Hz ，s f <2c f ，故不满足采样定理，会发生混叠现象。
截断长度02T T =，整周期截取，不会发生栅栏效应。
理论上有一定的泄漏，但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。
数字信号处理实验 快速傅里叶变换及其应用
数字信号处理实验报告第一次实验：快速傅立叶变换（FFT）及其应用王宇阳04011345 一．实验目的：（1）在理论学习的基础上，通过本实验，加深对FFT的理解，熟悉MATLAB中的有关函数。
（2）应用FFT对典型信号进行频谱分析。
（3）了解应用FFT进行信号频谱分析过程中可能出现的问题，以便在实际中正确应用FFT。
（4）应用FFT实现序列的线性卷积和相关。
二．实验原理：（1）混叠：采样序列的频谱是被采样信号频谱的周期延拓，当采样频率不满足奈奎斯特采样定理的时候，就会发生混叠，使得刺痒后的序列信号的频谱不能真实的反映原采样信号的频谱。
（2）泄露：根据理论分析，一个时间的信号其频带宽度为无限，一个时间无限的信号其频带宽度则为有限。
因此对一个时间有限的信号，应用DFT进行分析，频谱混叠难以避免。
对一个时间无限的信号虽然频带有限，但在实际运算中，时间总是取有限值，在将信号截断的过程中，出现了分散的扩展谱线的现象，称之为频谱泄露或功率泄露。
（3）栅栏效应：DFT是对单位圆上Z变换的均匀采样，所以它不可能将频谱视为一个连续函数，就在一定意义上看，用DFT来观察频谱就好象通过一个栅栏来观看一个景象一样，只能在离散点上看到真实的频谱，这样就有可能发生一些频谱的峰点和谷点被“尖桩的栅栏”所挡住，不能被我们观察到。
（4）圆周卷积：把序列X（N）分布在N等份的圆周上，而序列Y（N）经反摺后也分布在另一个具有N等份的同心圆的圆周上。
两圆上对应的数两量两相乘求和，就得到全部卷积序列。
这个卷积过程称做圆周卷积。
（5）互相关函数反映了两个序列X（N）和Y（N）的相似程度，用FFT可以很快的计算互相关函数。
三．实验内容：实验中用到的函数序列：(a)Gaussian序列Xa(n)=exp(-(n-p).^2)/q),0=<n=<15=0,其他（b）衰减正弦序列X(b)=exp(-an)*sin(2pi*fn),0=<n=<15=0,其他(c)三角波序列Xb(n)=n,0=<n=<3=8-n,4=<n=<7=0,其他(d)反三角波序列Xc(n)=4-n,0=<n=<3=n-4,4=<n=<7=0,其他上机实验内容：1．观察高斯序列的时域和幅频特性，固定信号xa(n)中参数p=8，改变q的值，使q分别等于2，4，8，观察他们的时域和幅频特性，了解当q取不同值时，对信号序列的时域和幅频特性影响；改变p，使p分别等于8，13，14，观察参数p变化对信号序列的时域和幅频特性影响，注意p等于多少时，会发生明显的泄漏现象，混叠是否也随之出现？记录实验中观察到的现象，绘出相应的时域序列和幅频特性曲线。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
快速傅里叶变换实验报告————————————————————————————————作者：————————————————————————————————日期:ﻩ快速傅里叶变换实验报告机械34班 刘攀 2０1３0105５8一、 基本信号（函数)的FF Ｔ变换1. 000()sin()sin 2cos36x t t t t πωωω=+++ 1) 采样频率08s f f =,截断长度N ＝１６；取02ωπ=ｒad/ｓ，则0f =1Hz ，s f =8Ｈz ，频率分辨率f ∆=s f f N∆==0.5Hz 。
最高频率c f ＝30f =３Hz ，s f ＞2c f ,故满足采样定理,不会发生混叠现象。
截断长度02T T =,整周期截取,不会发生栅栏效应。
理论上有一定的泄漏,但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。
频谱图如下:幅值误差0A ∆=,相位误差0ϕ∆=。
2) 采样频率08s f f =，截断长度N=3２;取02ωπ=rad/s ，则0f =１Hz,s f ＝８Hz ，频率分辨率f ∆=s f f N∆==０.2５Hz 。
最高频率c f =30f =3H ｚ,s f >２c f ,故满足采样定理,不会发生混叠现象。
截断长度04T T =,整周期截取,不会发生栅栏效应。
理论上有一定的泄漏，但在整周期 截取的情况下,旁瓣上的采样都约为 0，泄漏现象没有体现出来。
频谱图如下：幅值误差0A ∆=，相位误差0ϕ∆=。
2. 00()sin()sin116x t t t πωω=++ 1) 采样频率08s f f =,截断长度N=16；取02ωπ=ra ｄ/s,则0f =１Hz ，s f =８Hz,频率分辨率f ∆=s f f N∆==0．5H ｚ。
最高频率c f =110f =11H ｚ,s f <２c f ，故不满足采样定理，会发生混叠现象。
截断长度02T T =,整周期截取，不会发生栅栏效应。
理论上有一定的泄漏,但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。
频谱图：由上图可以看出,并未体现出110f 的成分,说明波形出现混叠失真。
为了消除混叠现象，应加大采样频率， 使之大于等于 22Ｈz 。
0f 处的幅值误差0A ∆=，110f 处由于出现了混叠现象,幅值误差没有意义;相位误差0ϕ∆=。
2) 采样频率032s f f =,截断长度Ｎ＝3２;取02ωπ=ra ｄ/s,则0f =1Hz,s f ＝32H ｚ,频率分辨率f ∆=s f f N ∆==1H ｚ。
最高频率c f =110f =１1Ｈz,s f >2c f ，故满足采样定理，不会发生混叠现象。
截断长度0T T =，整周期截取,不会发生栅栏效应。
理论上有一定的泄漏，但在整周期 截取的情况下，旁瓣上的采样都约为 ０,泄漏现象没有体现出来。
频谱图:该频谱图体现出了0f 和110f 的成分，说明未失真，且幅值均为１，。
幅值误差0A ∆=，相位误差0ϕ∆=。
3. 0()cos 10x t t ω=1) 采样频率08s f f =，截断长度Ｎ=16;取02ωπ=ｒａd/s,则0f =1Hz,s f =8Ｈz,频率分辨率f ∆=s f f N∆==0.5Ｈｚ。
最高频率c f ＝100f =10Hz ，s f >2c f ,故满足采样定理，不会发生混叠现象。
频谱图：在忽略旁瓣信号的情况下，可近似认为:0()0.9098cos(356.9520)x t t ω≈+︒故幅值误差0.909610.0904A ∆=-=-,相位误差56.9520ϕ∆=︒。
2) 采样频率032s f f =,截断长度Ｎ＝3２；取02ωπ=ra ｄ／s ，则0f =1Hz ，s f =32H ｚ，频率分辨率f ∆=s f f N ∆==１H ｚ。
最高频率c f =100f ＝10Hz,s f >2c f ，故满足采样定理,不会发生混叠现象。
频谱图:在忽略旁瓣信号的情况下，可近似认为：0()0.9820cos(327.6898)x t t ω≈+︒则幅值误差A ∆=０.９820－1=-0．０180，相位误差ϕ∆=27.6898︒。
分析：很明显,出现了泄露现象，主要原因是截断时加了矩形窗。
与(1)相比,（2）的窗宽度减小，主瓣变宽,能量更加分散,而其旁瓣却被压低，幅度Ａ明显减小。
泄漏使能量分布变得分散,使要求的谱线能量降低(幅值减小）。
为减少泄漏的影响,可以选择性能更好的特殊窗（如汉宁窗等)来代替矩形窗进行加窗处理。
0()cos 10x t t ω=的周期00211010T s πω==，而截断长度12T s =，21T s =,非正周期截取，故出现了“栅栏效应”。
信号本身的频率≈3.16 Hz ，但是频谱图中只在整数点有值，所以原本应该在 ３ 和 4 之间的３.１６左右的谱线峰值出现在了3 处。
与（１）相比，（2)的频率分辨率降低，两峰值间的点数减少,栅栏效应更为明显。
栅栏效应的主要原因是没有进行整周期截取。
若进行整周期截取,可以消除栅栏效应。
例如0410s f f =，N=16得到:4. 0()cos 10x t t ω=对信号加窗( Ｈann ｉｎg Window ）：12()(1cos )2t w t Tπ=- 0t T << 1) 采样频率08s f f =,截断长度Ｎ=１6；频谱图:此时0()0.4657cos(358.1027)x t t ω≈+︒则幅值误差0.465710.5343A ∆=-=-，相位误差58.1027ϕ∆=︒ 2) 采样频率032s f f =,截断长度Ｎ=3２；频谱图：此时0()0.4914cos(330.4390)x t t ω≈+︒则幅值误差0.49171-0.5086A ∆=-=，相位误差30.4390ϕ∆=︒分析:加窗之后，主瓣变宽,主瓣能量分散,旁瓣的泄漏有改善。
5. 0()sin(0.99)6x t t πω=+1) 采样频率08s f f =，截断长度N=16；取02ωπ=ｒad/s,则0f =1Hz ，s f =８Hz,频率分辨率f ∆=sf f N∆==０.５Hz 。
最高频率c f ＝0.９９0f =0.99H ｚ,s f >２c f ，故满足采样定理，不会发生混叠现象。
截断长度02T T =，而信号周期为10.99T ,非整周期截取，会发生栅栏效应。
由于进行了矩形窗加窗处理,所以存在泄露现象。
频谱图:此时，0() 1.0049cos(-63.4206)x t t ω≈︒则幅值误差 1.004910.0049A ∆=-=，相位误差-63.4206ϕ∆=︒ 2) 采样频率032s f f =,截断长度N=32;取02ωπ=rad/s,则0f ＝1Ｈz,s f ＝32H ｚ,频率分辨率f ∆=sf f N∆==1Hz 。
最高频率c f =0.990f =0.99H ｚ,s f >2c f ，故满足采样定理,不会发生混叠现象。
截断长度0T T =，而信号周期为10.99T ，非整周期截取，会发生栅栏效应。
由于进行了矩形窗加窗处理,所以存在泄露现象。
频谱图：此时,0() 1.0034cos(-67.2006)x t t ω≈︒则幅值误差 1.003410.0034A ∆=-=,相位误差-67.2006ϕ∆=︒分析:如果将截取长度取为信号周期的整数倍,如令080.99s f f =⨯,则频谱图如下,有效的避免了栅栏效应。
二、典型信号（函数）的ＦFT变换1.对不同信号比的方波进行fft分析占时域、频域图空比1０%30 %50 %７0%90 %结论：由于方波的频率为10.162π≈,故ｆfｔ变换得到的频谱图主要能量均集中在0.１6附近,根据分辨率的不同，误差也不一样。
由上表可以很直观地观察到，随着占空比的改变,频谱图中频率分布的集中程度在发生改变,总体规律为:占空比越远离50%,谱线能量越集中。
2.用伪随机信号模仿白噪声信号进行FFT分析。
时域频域结论：白噪声是伪随机信号生成的,具有随机信号的特征，除０Ｈz外谱线的幅值均为0。
三、实际信号的频谱分析电风扇振动信号的分析1.高转速ｍaｔlaｂ程序：ｃlｃ;clｅａｒ;close alｌ;ｌoad ｈigｈspeed.txｔ;fs＝１28;Ｔs=1/fs;ｘ1＝highspeｅd(1:１２8);x2=highspｅed(129:25６）;ｘ3=hｉｇｈsｐeｅd(２５７：384)；ｘ4＝hiｇｈspeed(3８5:512);y1＝fft(ｘ1)/128;ｙ１＝ａbs(y1);y2=ｆft(x2)／128;y2=abs（ｙ2)；y3=ｆft(x３)/128;y3＝abs(y３）；ｙ4=fft(x４)/128；y４=abs(y4)；ｙ＝（y1+y２+y３＋y4)/4;n=64＊lｉnsｐace(0,１,6５)；bａr(n,2*abs（y(１:65)),0.2）;grid oｎ；频谱图:特征频率为14Hz、4１Hz、4２Hz、4８Hz2.低转速matｌab程序：clc；ｃleａｒ；ｃｌｏse all;ｌoad ｌｏｗspｅｅd.ｔｘｔ;ｆs＝128;Ts=１/fｓ;x１=loｗspeed(1：１２8)；x２=ｌｏwｓpeed（129:256）；x3=lowsｐeeｄ(257：３84);x4＝lowspeed(385:512);y1=ｆft(x１)/１28;y1=abｓ（y1);y２=ｆfｔ(x2）/128;y２＝ａｂｓ（y2);y3＝ｆft（x3)／128;ｙ3=aｂs(y3）;y4=fft（x４）／1２8;y４＝ａbs(y4）;y＝(ｙ1+y2+y3+y4）／4；n=64*linspａcｅ(0，1,65);bar(n,2＊abs(y(1:６5))，0．2);ｇrid oｎ；频谱图:特征频率为1０Ｈz、20Hz、30Hz、48Hz分析:对比高、低速频谱图及特征频率,可知48Hz为高低速均含有的特征频率，与转速无关，可能为电机振动产生的频率。
其余的三个频率：低转速（10Ｈz、2０Hz、30Ｈz)与高转速（14Hz、41Hz、42Hz、4８Hz)可能是风扇其他结构（可能是传动和执行机构）振动产生的频率,这些振动与转速有关，且转速越大，振动频率越大。
四、总结这次实验让我对FFT有了更深的了解，快速傅里叶变换是信号处理中非常重要的手段,它能够让我们运用计算机快速地看到时域下看不到的信息，从而对系统作进一步的分析。
同时我也进一步熟练了matlａb的使用，学会了用maｔlａｂ实现信号的FFT分析。
特别是在实际信号的ＦFT处理当中,我认识到了测试与检测技术课程广泛的应用领域,这对我以后对测试这门课的学习有很强的指导意义，收获颇丰。