FFT(快速傅里叶变换)中频率与实际频率的关系
FFT(快速傅里叶变换)中频率与实际频率的关系
快速傅里叶变换（FFT）是数字信号处理中的重要工具，它能够将时域信号转换为频域信号，从而帮助我们分析信号的频率成分。然而，在使用FFT进行频率分析时，经常会遇到实际物理频率与FFT输出频率之间的转换问题。本文将详细解释这一转换过程，并探讨离散信号傅里叶变换的周期性特征。
四个关键频率概念
在深入讨论FFT频率分析之前，我们先来明确几个重要的频率概念：
实际物理频率：表示AD采集物理信号的频率。根据奈奎斯特采样定理，采样频率fs必须≥信号最高频率的2倍，才能避免信号混叠。因此，fs能采样到的信号最高频率为fs/2。
角频率：是物理频率的2π倍，也称模拟频率。由于一个信号周期（如交流电）是360度，即2π，角频率表示转了多少个2π。设置角频率主要是为了便于计算。
归一化频率：将实际物理频率按fs归一化后的结果。最高的信号频率fs/2对应归一化频率0.5，这也是为什么在MATLAB的fdtool工具中归一化频率最大只到0.5的原因。
圆周频率：归一化频率的2π倍，也称数字频率。它是归一化的角频率。
FFT频率与实际物理频率的关系
做n个点的FFT，表示在时域上对原来的信号取了n个点来做频谱分析，n点FFT变换的结果仍为n个点。换句话说，就是将2π数字频率ω分成n份，而整个数字频率ω的范围覆盖了从0-2πfs的模拟频率范围。这里的fs是采样频率。根据奈奎斯特定律，只有f=fs/2范围内的信号才是被采样到的有效信号。因此，在ω的范围内，得到的频谱肯定是关于n/2对称的。
举例说明：如果做了16个点的FFT分析，你原来的模拟信号的最高频率f=32kHz，采样频率是64kHz，n的范围是0,1,2...15。这意味着已经将原来的模拟信号采样了8遍。这时，64kHz的模拟频率被分成了16分，每一份是4kHz，这个叫频率分辨率。那么在横坐标中，n=1时对应的f是4kHz, n=2对应的是8kHz, n=15时对应的是60kHz，你的频谱是关于n=8对称的。你只需要关心n=0到7以内的频谱就足够了，因为，原来信号的最高模拟频率是32kHz。
这里可以有两个结论：
第一，必须知道原来信号的采样频率fs是多少，才可以知道每个n对应的实际频率是多少，第k个点的实际频率的计算为f(k)=k*(fs/n)。
第二，64kHz做了16个点FFT之后，因为频率分辨率是4kHz，如果原来的信号在5kHz或者63kHz有分量，在频谱上是看不见的，这就表示你越想频谱画得逼真，就必须取越多的点数来做FFT，n就越大，你在时域上就必须取更长的信号样本来做分析。但是无论如何，由于离散采样的原理，你不可能完全准确地画出原来连续时间信号的真实频谱，只能无限接近（就是n无限大的时候），这个就叫做频率泄露。在采样频率fs不变得情况下，频率泄漏可以通过取更多的点来改善，也可以通过做FFT前加窗来改善，这就是另外一个话题了。
离散信号傅里叶变换的周期性讨论
要分析这个，我们先从Laplace变换与Z变换之间的关系谈起。由，得z平面与s平面的关系图
图中的关系有以下几点：
- s平面的虚轴映射到z平面的单位圆上
- s平面的负半轴映射到z平面的单位圆内
- s平面的正半轴映射到z平面的单位圆外
Laplace变换是用于连续信号的变换，相对应的z变换是应用到z平面的变换。因此从另一个角度，上面谈到的角频率（模拟频率）对应的是s平面，圆周频率对应的是z平面（也是为什么称为圆周频率的原因）。
现在我们来看一下s平面虚轴上模拟频率的变换将会导致z平面单位圆上如何变化：
- 当模拟频率在s平面的虚轴上从0变到fs 时，数字频率在z平面单位圆上从0变到2π。
- 当模拟频率在s平面的虚轴上从2fs变到4fs时，数字频率在z平面单位圆上仍然从0变到2π。z平面如此循环重复
我们知道离散信号的傅里叶变换对应到单位圆上的z变换，因此上面的结论就验证了为什么离散信号的傅里叶变换是周期性：根本原因所是单位圆上的周期性。考虑到我们实际应用中可选择一个周期，这也能够解释：因为实际信号的频率总是在fs/2以下，这就对应到z平面单位圆上的0~π，在一个周期范围内就可以进行信号分析了。
本文原文来自CSDN博客