深入探析快速傅立叶变换(FFT)

《深入探析快速傅立叶变换(FFT)》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、深入探析快速傅立叶变换（FFT）深入探析快速傅立叶变换（FFT）摘耍：FFT（FastFourierTransform,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捉到的一个概念。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，但是看到满篇的复杂公式推导和罗列，我们还是很难从直观上去理解这一复杂的概念，我想对于普通的测试工程师来说，掌握FFT的概念首先应该搞清慰这样几个问题：（1）为什么

2、需要FFT（2）变换究竟是如何进行的（3）变换前后信号有何种对应关系（4）在使用测试工具（示波器或者具它软件平台）进行FFT的方法和需要注意的问题（5）力科示波器与泰克示波器的EFT计算方法的比较在这篇文章屮我尝试用更加浅显的讲解，尽量不使用公式推导來说一说FFT的那些事儿。一，为什么需耍FFT?首先FFT（快速傅立叶变换）是离散傅立叶变换的快速算法，那么说到FFT,我们口然耍先讲淸楚傅立叶变换。先来看看傅立叶变换是从哪里来的？傅立叶是一位法国数学家和物理学家的名字，英语原名是JeanBaptisteJosephFourier（1768-1830）,Fourier对热传递很感兴趣，于18

3、07年在法国科学学会上发表了一篇论文，运用正弦曲线來描述温度分布，论文里有个在当时颇具争议性的命题：任何连续周期信号可以由一组适当的正弦曲线组合而成。当时审查这个论文的人，其中有两位是历史上箸名的数学家拉格朗日（JosephLouisLagrange,1736-1813）和拉普拉斯（PierreSimondeLaplace,1749-1827），当拉普拉斯和其他审杳考投票通过并要发表这个论文时，拉格朗曰坚决反对，在近50年的时间里，拉格朗日坚持认为傅立叶的方法无法表示带有棱角的信号，如在方波中出现非连续变化斜率。法国科学学会屈服于拉格朗口的权威，拒绝了傅立叶的工作，幸运的是，傅立叶述有其

4、它事情可忙，他参加了政治运动，随拿破仑远征埃及，法国大革命后因为怕被推上断头台而一直在逃难。直到拉格朗口死后15年这个论文才被发表出來。谁是对的呢？拉格朗日是对的：止弦曲线无法组合成一个带有棱角的信号。但是，我们可以用正弦曲线來非常逼近地农示它（棱角），逼近到两种表示方法不存在能量差别，基于此，傅立叶是对的。为什么我们要用正弦曲线来代替原来的曲线呢？如我们也还可以用方波或三和波来代替，分解信号的方法是无穷的，但分解信号的冃的是为了更加简单地处理原来的信号。用正余弦来表示原信号会更加简单，因为正余弦拥有具他信号所不具备的性质：正弦曲线保真度。一个正弦曲线信号输入后，输出的仍是正弦曲线，只有

5、幅度和相位可能发生变化，但是频率和波的形状仍是一样的，且只有正弦曲线才拥有这样的性质，正因如此我们才不用方波或三角波来表示。傅立叶变换的物理意义在哪里？傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利川玄接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。当然这是从数学的角度去看傅立叶变换。那么从物理的角度去看待傅立叶变换，它其实是帮助我们改变传统的时间域分析信号的方法转到从频率域分析问题的思维，下面的一幅立体图形可以帮助我们更好得理解这种角度的转换：所以，最前•而的时域信号在经过傅立叶变换

6、的分解之后，变为了不同正弦波信号的柱加，我们再去分析这些正弦波的频率，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Z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來，这在频谱分析方而也是经常用的。傅立叶变换提供给我们这种换一个角度看问题的工具，看问题的角度不同了，问题也许就迎刃而解！二、变换是如何进行的？首先，按照被变换的输入信号类型不同，傅立叶变换可以分为4种类型：1非周期性连续信号傅立叶变换(Fourier'Transform)2周期性连续信号傅立叶级数(FourierSeries)3非周

7、期性离散信号离散时域傅立叶变换(DiscreteTimeFourierTransform)4周期性离散佶号离散傅立叶变换(DiscreteFourierTransform)下面是四种原信号图例:TypeofTransformExampleSignalFoiuieiTrainfonnsrffnalsthatareconhnimaandapcnodicFotuieiSenessignalsrhatareconriracwsandpeno