第一：频谱一.调用方法X=FFT（x）；X=FFT(x，N）；x=IFFT（X)；x=IFFT(X,N）用 MATLAB 进行谱分析时注意：（1)函数 FFT 返回值的数据结构具有对称性。例：N=8;n=0：N-1；xn=［4 3 2 6 7 8 9 0］；Xk=fft（xn）→Xk =39。0000 —10。7782 + 6.2929i 0 - 5。0000i 4。7782 - 7。7071i 5.0000 4。7782 + 7。7071i 0 + 5.0000i -10.7782 - 6。2929iXk 与 xn 的维数相同，共有 8 个元素.Xk 的第一个数对应于直流重量,即频率值为 0.（2)做 FFT 分析时，幅值大小与 FFT 选择的点数有关，但不影响分析结果。在 IFFT 时已经做了处理。要得到真实的振幅值的大小，只要将得到的变换后结果乘以 2 除以 N 即可.二.FFT 应用举例例 1：x=0。5＊sin(2*pi*15＊t)+2＊sin（2*pi*40*t）。采样频率 fs=100Hz，分别绘制N=128、1024 点幅频图。clf;fs=100;N=128； %采样频率和数据点数n=0：N—1;t=n/fs; %时间序列x=0.5*sin（2＊pi＊15＊t）+2*sin(2*pi＊40*t); ％信号y=fft(x,N）； ％对信号进行快速 Fourier 变换mag=abs（y)； %求得 Fourier 变换后的振幅f=n＊fs/N； %频率序列subplot（2,2，1）,plot（f,mag); ％绘出随频率变化的振幅xlabel（'频率/Hz'）;ylabel(’振幅’)；title（’N=128');grid on；subplot（2,2，2），plot（f（1：N/2），mag（1:N/2)); %绘出 Nyquist 频率之前随频率变化的振幅xlabel（'频率/Hz’）；ylabel('振幅');title（'N=128')；grid on;％对信号采样数据为 1024 点的处理fs=100;N=1024；n=0：N-1;t=n/fs;x=0。5*sin(2＊pi＊15*t)+2＊sin（2*pi*40＊t); ％信号y=fft（x，N）; %对信号进行快速 Fourier 变换mag=abs（y)； ％求取 Fourier 变换的振幅f=n*fs/N；subplot(2，2，3），plot(f，mag）; %绘出随频率变化的振幅xlabel(’频率/Hz'）；ylabel（’振幅')；title（'N=1024'）；grid on；subplot（2,2，4）plot(f（1:N/2）,mag（1：N/2））; ％绘出 Nyquist 频率之前随频率变化的振幅xlabel(’频率/Hz'）;ylabel('振幅'）;title(’N=1024’）；grid on；运行结果： fs=100Hz，Nyquist 频率为 fs/2=50Hz。整个频谱图是以 Nyquist 频率为对称轴的。并且可以明显识别出信号中含有两种频率成分：15Hz 和 40Hz。由此可以知道 FFT 变换数据的对称性。因此用 FFT 对信号做谱分析，只需考察 0～Nyquist 频率范围内的福频特性。若没有给出采样...
