Ovaj članak će nas naučiti o radu FFT u MATLAB-u.
Razumijevanje FFT-a
The Brza Fourierova transformacija (FFT) predstavlja posebnu tehniku koja nam pomaže drugačije razumjeti signale. Obično se signali prikazuju kao nizovi brojeva koji se mijenjaju tijekom vremena, ali sa FFT, možemo vidjeti koje su različite frekvencije prisutne u signalu i koliko su jake. To je kao rastavljanje signala na glazbene note i gledanje koliko je svaka nota glasna.
The FFT algoritam radi mnogo složene matematike na podacima signala. Uzima signal i dijeli ga na manje dijelove, zatim izračunava frekvencije i njihovu snagu za svaki dio. Na kraju, kombinira sve rezultate kako bi nam dao sliku frekvencijskog sadržaja signala, faznih odnosa i drugih važnih karakteristika.
Ova se tehnika koristi u mnogim područjima jer nam pomaže bolje analizirati i razumjeti signale. Na primjer, u procesiranje signala , možemo koristiti FFT za filtriranje neželjene buke ili otkrivanje specifičnih uzoraka. U audio analiza , možemo identificirati različite zvukove ili analizirati kvalitetu audio zapisa. U obrada slike , FFT može nam pomoći u analizi prostornih frekvencija na slici. I u telekomunikacijama, FFT koristi se za učinkovito odašiljanje i primanje signala.
Kako koristiti FFT u MATLAB-u
MATLAB nudi ugrađenu funkciju tzv fft koji nam omogućuje izvođenje Brza Fourierova transformacija (FFT) proračuni na signalima. Ova je funkcija jednostavna za korištenje i nudi različite opcije za analizu i manipuliranje signalima u frekvencijskoj domeni:
Sintaksa za korištenje FFT funkcije u MATLAB-u dane su u nastavku:
F = fft ( x )F = fft ( x,n )
F = fft ( x,n,dim )
Ovdje:
F= fft(x) daje izračun Diskretna Fourierova transformacija (DFT) od x pomoću Brza Fourierova transformacija (FFT) algoritam.
- Ako x predstavlja vektor, fft(x) daje vektorsku Fourierovu transformaciju.
- Ako x predstavlja matricu, fft(x) daje Fourierovu transformaciju svakog stupca tretirajući svaki stupac kao vektor.
F = fft(x,n) daje DFT u n točaka. F ima identičnu veličinu kao x kada nije navedena vrijednost.
- Ako je x vektor i njegova je duljina manja od n, x dobiva ispunu s nulama na kraju dok ne dosegne n.
- Ako je x vektor i njegova duljina premašuje n, skraćuje se na tu duljinu n.
- Ako je x matrica, svaki se stupac smatra vektorskim slučajem.
F = fft(x,n,dim) daje Fourierovu transformaciju duž zadane dimenzije dim. Recimo, fft(x, n, 2) daje Fourierovu transformaciju u n-točkama za svaki red ako x predstavlja matricu.
Sljedeći primjeri ilustriraju rad FFT funkcija u MATLAB-u.
Primjer 1
Možemo koristiti FFT u MATLAB-u kako bi demonstrirali generiranje i analizu signala s određenim frekvencijskim komponentama i nasumičnim šumom.
Na primjer:
ls = 2000. godine ;fs = 1500 ;
ts = 1 /fs;
tv = ( 0 :ls- 1 ) *ts;
f = 0.6 * bez ( 2 * pi * pedeset *televizor ) + 3 * randn ( veličina ( televizor ) ) + bez ( 2 * pi * 120 *televizor ) ;
zemljište ( 1000 *televizor ( 1 : pedeset ) ,f ( 1 : pedeset ) )
xlabel ( 'tv (ms)' )
ylabel ( 'f(tv)' )
titula ( 'Oštećeni signal koji ima nulti srednji slučajni šum' )
F = fft ( f ) ;
PS2 = trbušnjaci ( F/ ls ) ;
PS1 = PS2 ( 1 : ls / 2 + 1 ) ;
PS1 ( 2 :kraj- 1 ) = 2 *PS1 ( 2 :kraj- 1 ) ;
f = fs* ( 0 : ( ls / 2 ) ) / ls ;
zemljište ( f, PS1 )
titula ( 'Spektar amplitude (jednostrano) PS1 za f(t)' )
xlabel ( 'f(Hz)' )
ylabel ( '|PS1(f)|' )
Navedeni kod generira signal duljine od 2000 uzoraka (ls) , učestalost uzorkovanja od 1500 Hz (fs) , i a razdoblje uzorkovanja (ts) . The vremenski vektor (tv) se stvara na temelju tih parametara. Signal f sastoji se od kombinacije sinusoidalnih komponenti na 50 Hz i 120 Hz, zajedno sa slučajnim šumom nulte srednje vrijednosti. Zatim se crta sa segmentom od prvih 50 uzoraka. Kod dalje izračunava FFT signala i izračunava amplitudni spektar (PS1) . Konačno, amplitudni spektar je nacrtan u odnosu na odgovarajuće frekvencije (f) u Hz.
Primjer 2
Evo još jednog primjera koji koristi FFT funkcija u MATLAB-u za transformaciju Gaussovog pulsa kroz vremensku domenu u frekvencijsku domenu.
fs = 500 ;ts = - 0,5 : 1 /fs: 0,5 ;
ls = duljina ( ts ) ;
f = 1 / ( 4 * sqrt ( 2 * pi * 0,02 ) ) * ( eksp ( -ts.^ 2 / ( 2 * 0,02 ) ) ) ;
zemljište ( ts,f )
xlabel ( 'Vrijeme (t)' )
ylabel ( 'f(t)' )
titula ( 'Vremenska domena' )
npr. = 2 ^sljedećapow2 ( ls ) ;
f = fs* ( 0 : ( npr./ 2 ) ) /npr.;
F = fft ( f,np ) ;
PF = trbušnjaci ( F/np ) ;
zemljište ( f,PF ( 1 :npr./ 2 + 1 ) )
xlabel ( '(f)' )
ylabel ( '|PF(f)|' )
titula ( 'Frekvencijska domena' )
Navedeni kod generira Gaussov pulsni signal u vremenskoj domeni i analizira njegov frekvencijski sadržaj koristeći Brza Fourierova transformacija (FFT) u MATLAB-u. Signal vremenske domene se iscrtava, a zatim FFT izvodi se kako bi se dobio prikaz frekvencijske domene. Dobivena amplitudni spektar prikazuje se u odnosu na odgovarajuće frekvencije.
Primjer 3
Sljedeći primjer generira tri sinusoidalna signala s različitim frekvencijama i iscrtava ih u vremenskoj domeni pomoću FFT funkcija u MATLAB-u.
fs = 2500 ;ts = 1 /fs;
ls = 3000 ;
t = ( 0 :ls- 1 ) *ts;
r1 = bez ( 3 * pi * 60 *t ) ;
r2 = bez ( 3 * pi * 140 *t ) ;
r3 = bez ( 3 * pi * 350 *t ) ;
f = [ r1; r2; r3 ] ;
za k = 1 : 3
podzaplet ( 3 , 1 ,k )
zemljište ( t ( 1 : 250 ) ,f ( k, 1 : 250 ) )
titula ( [ 'Br. reda' , num2str ( k ) , ' (Vremenska domena)' ] )
kraj
npr. = 2 ^sljedećapow2 ( ls ) ;
d = 2 ;
F = fft ( f,np,d ) ;
PS2 = trbušnjaci ( F/ ls ) ;
PS1 = PS2 ( :, 1 :npr./ 2 + 1 ) ;
PS1 ( :, 2 :kraj- 1 ) = 2 *PS1 ( :, 2 :kraj- 1 ) ;
za k= 1 : 3
podzaplet ( 3 , 1 ,k )
zemljište ( 0 : ( fs/np ) : ( fs/ 2 -fs/np ) , PS1 ( k, 1 :npr./ 2 ) )
titula ( [ 'Br. reda' , num2str ( k ) , '(Frekvencijska domena)' ] )
kraj
U gornjem kodu, tri sinusoidalna vala, r1, r2 i r3 prikazana su u izlaznom prozoru u vremenskoj domeni. Signal frekvencijske domene 'PS1' stvara se korištenjem FFT funkcije za valove za izračunavanje svakog pojedinačnog jednostranog amplitudnog spektra.
Zaključak
The FFT je vrijedan alat koji nam pomaže da drugačije razumijemo signale analizirajući njihov frekvencijski sadržaj. Uz MATLAB-ovu ugrađenu funkciju, fft, izvođenje FFT proračuni na signalima postaju prikladni. Ova nam funkcija omogućuje da naučimo ključne detalje o različitim frekvencijama i relativnim intenzitetima tih frekvencija pretvaranjem podataka iz vremenske domene u frekvencijsku domenu. Gore navedeni vodič je ključan za stjecanje dubljeg razumijevanja karakteristika signala i donošenje informiranih odluka u različitim primjenama.