matlab信號頻譜分析方法

『壹』 怎麼用matlab語言對一個由幾個正弦信號組成的信號進行頻譜分析

用fft()函數即可。
因為你沒提具體的應用要求，所以我把matlab關於fft的例子貼給你，以供參考。
Fs = 1000; % Sampling frequency
T = 1/Fs; % Sample time
L = 1000; % Length of signal
t = (0:L-1)*T; % Time vector
% Sum of a 50 Hz sinusoid and a 120 Hz sinusoid
x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
y = x + 2*randn(size(t)); % Sinusoids plus noise
plot(Fs*t(1:50),y(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('time (milliseconds)')

『貳』 怎樣用matlab對語音信號分解及頻譜分析

語音信號被matlab導入以後，就是一個向量，他代表了語音信號的波形。
如 waveread 函數，就可以實現wav格式的語音信號導入。
然後可以設計各種濾波器，對語音信號進行處理。同樣可以用fft對語音信號進行頻譜分析。

『叄』 利用matlab怎樣進行頻譜分析

實時頻譜儀的應用：
1、 在雜訊頻譜分析中通常使用的是模擬濾波器，這種濾波器使用時都要一個濾波器接一個濾波器依次進行頻譜測量分析。由於濾波器以及檢波電路都有一定時間常數，通常需要幾秒鍾才能達到穩定。因此，如果使用1/1倍頻程濾波器完成整個頻譜分析需要1 分鍾左右時間，如使用1/3 倍頻程濾波器則需要3 分鍾左右時間。對於穩定雜訊（如機器雜訊）而且測量時間比較寬裕的場合，這完全不是問題， 但是對於不穩定雜訊，如：環境雜訊、交通雜訊以及其它隨機變化的設備聲源及時間很短的脈沖雜訊等測量得到的頻譜分析結果毫無意義。因為在進行下一個濾波器分析時的雜訊與上一個濾波器分析時的雜訊完全不一樣，這種情況唯有選擇實時頻譜分析儀器分析才有意義。
2、 實時，它的簡單涵義就是「即時」，也就是「立即」的意思。
3、實時頻譜分析儀器採用數字信號處理辦法，將模擬信號變換成數字信號，邊
測量邊進行頻譜分析，速度非常快，立即就完成OCT 1/1 倍或1/3 倍頻程以至更細的1/n倍頻程譜分析，甚至可以進行FFT 分析，並可以擴展為其它許多測量與分析功能。正因為它有這么多的優點，因此得到了廣泛應用。

『肆』 用matlab實現連續時間周期信號(方波信號，三角波信號）的頻譜分析

%產生峰值為1的三角波，分析其0~63次諧波的幅值譜和相位譜
clf;
Fs
=128;
%采樣頻率
T
=
1/Fs;
%
采樣周期
N
=
128;
%
采樣點數
t
=
(0:N-1)*T;
%
時間，單位：S
x=zeros(N);
for
n=0:N-1
b=fix((n)/(N/4));
m=n+1;
A=1/(N/4);
if
b==0
x(m)=A*n;
elseif
b==1||b==2
x(m)=A*(N/2-n);
elseif
b==3
x(m)=A*(n-N);
end;
end;
n=0:N-1;
subplot(3,1,1)
plot(t,x);
xlabel('時間/S');
ylabel('振幅');title('時域波形');grid
on;
y=fft(x,N);
%對信號進行快速Fourier變換
mag=abs(y)*2/N;
%求取Fourier變換的振幅;*2/N轉變為真實幅值
f=n*Fs/N;
subplot(3,1,2)
plot(f(1:N/2),mag(1:N/2));
%繪出Nyquist頻率之前隨頻率變化的振幅
xlabel('頻率/Hz');
ylabel('振幅');title('幅值譜');grid
on;
p=mod(angle(y)*180/pi,360);
subplot(3,1,3)
plot(f(1:N/2),p(1:N/2));
%繪出Nyquist頻率之前隨頻率變化的相位
xlabel('頻率/Hz');
ylabel('振幅');title('相位譜');grid
on;

『伍』 Matlab關於信號頻域分析

F=T*f1*exp(-j*t'*w);%f(t)的傅里葉變換
可以使用fft函數。

自帶的頻譜分析例子：

t = 0:0.001:0.6;
x = sin(2*pi*50*t)+sin(2*pi*120*t);
y = x + 2*randn(size(t));
plot(1000*t(1:50),y(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('time (milliseconds)')

Y = fft(y,512);

Pyy = Y.* conj(Y) / 512;

f = 1000*(0:256)/512;
plot(f,Pyy(1:257))
title('Frequency content of y')
xlabel('frequency (Hz)')

『陸』 怎麼用matlab畫出圖片的頻譜分析圖

1．假設信號域為四捨五入，向量t為n維向量，則信號的離散采樣周期為Ts＝1／fs＝四捨五入／（n－1），其中fs為采樣頻率。

『柒』 matlab怎樣對時域信號進行頻譜分析

在命令窗口輸入doc fft回車後，可看到例子。

%構造出信號（如已有信號，此步可省略）
Fs = 1000; % Sampling frequency
T = 1/Fs; % Sample time
L = 1000; % Length of signal
t = (0:L-1)*T; % Time vector
% Sum of a 50 Hz sinusoid and a 120 Hz sinusoid
x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
y = x + 2*randn(size(t)); % Sinusoids plus noise
plot(Fs*t(1:50),y(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('time (milliseconds)')

NFFT = 2^nextpow2(L); % Next power of 2 from length of y
Y = fft(y,NFFT)/L;
f = Fs/2*linspace(0,1,NFFT/2+1);

%FFT分析
% Plot single-sided amplitude spectrum.
plot(f,2*abs(Y(1:NFFT/2+1)))
title('Single-Sided Amplitude Spectrum of y(t)')
xlabel('Frequency (Hz)')
ylabel('|Y(f)|')

『捌』 關於用MATLAB設計對信號進行頻譜分析和濾波處理的程序

完整的程序
%寫上標題
%設計低通濾波器：
[N,Wc]=buttord()
%估算得到Butterworth低通濾波器的最小階數N和3dB截止頻率Wc
[a,b]=butter(N,Wc); %設計Butterworth低通濾波器
[h,f]=freqz(); %求數字低通濾波器的頻率響應
figure(2); % 打開窗口2
subplot(221); %圖形顯示分割窗口
plot(f,abs(h)); %繪制Butterworth低通濾波器的幅頻響應圖
title(巴氏低通濾波器'');
grid; %繪制帶網格的圖像
sf=filter(a,b,s); %疊加函數S經過低通濾波器以後的新函數
subplot(222);
plot(t,sf); %繪制疊加函數S經過低通濾波器以後的時域圖形
xlabel('時間 (seconds)');
ylabel('時間按幅度');
SF=fft(sf,256); %對疊加函數S經過低通濾波器以後的新函數進行256點的基—2快速傅立葉變換
w= %新信號角頻率
subplot(223);
plot()); %繪制疊加函數S經過低通濾波器以後的頻譜圖
title('低通濾波後的頻譜圖');
%設計高通濾波器
[N,Wc]=buttord()
%估算得到Butterworth高通濾波器的最小階數N和3dB截止頻率Wc
[a,b]=butter(N,Wc,'high'); %設計Butterworth高通濾波器
[h,f]=freqz(); %求數字高通濾波器的頻率響應
figure(3);
subplot(221);
plot()); %繪制Butterworth高通濾波器的幅頻響應圖
title('巴氏高通濾波器');
grid; %繪制帶網格的圖像
sf=filter(); %疊加函數S經過高通濾波器以後的新函數
subplot(222);
plot(t,sf); ;%繪制疊加函數S經過高通濾波器以後的時域圖形
xlabel('Time(seconds)');
ylabel('Time waveform');
w; %新信號角頻率
subplot(223);
plot()); %繪制疊加函數S經過高通濾波器以後的頻譜圖
title('高通濾波後的頻譜圖');
%設計帶通濾波器
[N,Wc]=buttord([)
%估算得到Butterworth帶通濾波器的最小階數N和3dB截止頻率Wc
[a,b]=butter(N,Wc); %設計Butterworth帶通濾波器
[h,f]=freqz(); %求數字帶通濾波器的頻率響應
figure(4);
subplot(221);
plot(f,abs(h)); %繪制Butterworth帶通濾波器的幅頻響應圖
title('butter bandpass filter');
grid; %繪制帶網格的圖像
sf=filter(a,b,s); %疊加函數S經過帶通濾波器以後的新函數
subplot(222);
plot(t,sf); %繪制疊加函數S經過帶通濾波器以後的時域圖形
xlabel('Time(seconds)');
ylabel('Time waveform');
SF=fft(); %對疊加函數S經過帶通濾波器以後的新函數進行256點的基—2快速傅立葉變換
w=( %新信號角頻率
subplot(223);
plot(')); %繪制疊加函數S經過帶通濾波器以後的頻譜圖
title('帶通濾波後的頻譜圖');

『玖』 用matlab進行頻譜分析應該用什麼工具箱

1、采樣數據導入matlab
。
采樣數據的導入至少有三種方法。
第一就是手動將數據整理成matlab支持的格式，這種方法僅適用於數據量比較小的采樣。
第二種方法是使用matlab的可視化交互操作，具體操作步驟為：file
-->
import
data，然後在彈出的對話框中找到保存采樣數據的文件，根據提示一步一步即可將數據導入。這種方法適合於數據量較大，但又不是太大的數據。
第三種方法，使用文件讀入命令。數據文件讀入命令有textread、fscanf、load等，如采樣數據保存在txt文件中，則推薦使用
textread命令。如[a,b]=textread('data.txt','%f%*f%f');
這條命令將data.txt中保存的數據三個三個分組，將每組的第一個數據送給列向量a，第三個數送給列向量b，第二個數據丟棄。命令類似於c語言，詳細可查看其幫助文件。文件讀入命令錄入采樣數據可以處理任意大小的數據量，且錄入速度相當快，一百多萬的數據不到20秒即可錄入。
2、對采樣數據進行頻譜分析
。
頻譜分析自然要使用快速傅里葉變換fft了，對應的命令即
fft
，簡單使用方法為：y=fft(b,n)，其中b即是采樣數據，n為fft數據采樣個數。一般不指定n，即簡化為y=fft(b)。y即為fft變換後得到的結果，與b的元素數相等，為復數。以頻率為橫坐標，y數組每個元素的幅值為縱坐標，畫圖即得數據b的幅頻特性；以頻率為橫坐標，y數組每個元素的角度為縱坐標，畫圖即得數據b的相頻特性。典型頻譜分析m程序舉例如下：
clc
fs=100;
t=[0:1/fs:100];
n=length(t)-1;%減1使n為偶數
%頻率解析度f=1/t=fs/n
p=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)...
+0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t);
%上面模擬對信號進行采樣，得到采樣數據p，下面對p進行頻譜分析
figure(1)
plot(t,p);
grid
on
title('信號
p(t)');
xlabel('t')
ylabel('p')
y=fft(p);
magy=abs(y(1:1:n/2))*2/n;
f=(0:n/2-1)'*fs/n;
figure(2)
%plot(f,magy);
h=stem(f,magy,'fill','--');
set(h,'markeredgecolor','red','marker','*')
grid
on
title('頻譜圖
（理想值：[0.48hz,1.3]、[0.52hz,2.1]、[0.53hz,1.1]、[1.8hz,0.5]、[2.2hz,0.9]）
');
xlabel('f
(hz)')
ylabel('幅值')
對於現實中的情況，采樣頻率fs一般都是由采樣儀器決定的，即fs為一個給定的常數；另一方面，為了獲得一定精度的頻譜，對頻率解析度f有一個人為的規定，一般要求f<0.01，即采樣時間ts>100秒；由采樣時間ts和采樣頻率fs即可決定采樣數據量，即采樣總點數n=fs*ts。這就從理論上對采樣時間ts和采樣總點數n提出了要求，以保證頻譜分析的精準度。

『拾』 如何應用matlab進行fft分析

FFT是離散傅立葉變換的快速演算法，可以將一個信號變換
到頻域。有些信號在時域上是很難看出什麼特徵的，但是如
果變換到頻域之後，就很容易看出特徵了。這就是很多信號
分析採用FFT變換的原因。另外，FFT可以將一個信號的頻譜
提取出來，這在頻譜分析方面也是經常用的。
雖然很多人都知道FFT是什麼，可以用來做什麼，怎麼去
做，但是卻不知道FFT之後的結果是什意思、如何決定要使用
多少點來做FFT。

現在圈圈就根據實際經驗來說說FFT結果的具體物理意義。
一個模擬信號，經過ADC采樣之後，就變成了數字信號。采樣
定理告訴我們，采樣頻率要大於信號頻率的兩倍，這些我就
不在此羅嗦了。

采樣得到的數字信號，就可以做FFT變換了。N個采樣點，
經過FFT之後，就可以得到N個點的FFT結果。為了方便進行FFT
運算，通常N取2的整數次方。

假設采樣頻率為Fs，信號頻率F，采樣點數為N。那麼FFT
之後結果就是一個為N點的復數。每一個點就對應著一個頻率
點。這個點的模值，就是該頻率值下的幅度特性。具體跟原始
信號的幅度有什麼關系呢？假設原始信號的峰值為A，那麼FFT
的結果的每個點（除了第一個點直流分量之外）的模值就是A
的N/2倍。而第一個點就是直流分量，它的模值就是直流分量
的N倍。而每個點的相位呢，就是在該頻率下的信號的相位。
第一個點表示直流分量（即0Hz），而最後一個點N的再下一個
點（實際上這個點是不存在的，這里是假設的第N+1個點，也
可以看做是將第一個點分做兩半分，另一半移到最後）則表示
采樣頻率Fs，這中間被N-1個點平均分成N等份，每個點的頻率
依次增加。例如某點n所表示的頻率為：Fn=(n-1)*Fs/N。
由上面的公式可以看出，Fn所能分辨到頻率為為Fs/N，如果
采樣頻率Fs為1024Hz，采樣點數為1024點，則可以分辨到1Hz。
1024Hz的采樣率采樣1024點，剛好是1秒，也就是說，采樣1秒
時間的信號並做FFT，則結果可以分析到1Hz，如果采樣2秒時
間的信號並做FFT，則結果可以分析到0.5Hz。如果要提高頻率
分辨力，則必須增加采樣點數，也即采樣時間。頻率解析度和
采樣時間是倒數關系。
假設FFT之後某點n用復數a+bi表示，那麼這個復數的模就是
An=根號a*a+b*b，相位就是Pn=atan2(b,a)。根據以上的結果，
就可以計算出n點（n≠1，且n<=N/2）對應的信號的表達式為：
An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。
對於n=1點的信號，是直流分量，幅度即為A1/N。
由於FFT結果的對稱性，通常我們只使用前半部分的結果，
即小於采樣頻率一半的結果。

好了，說了半天，看著公式也暈，下面圈圈以一個實際的
信號來做說明。

假設我們有一個信號，它含有2V的直流分量，頻率為50Hz、
相位為-30度、幅度為3V的交流信號，以及一個頻率為75Hz、
相位為90度、幅度為1.5V的交流信號。用數學表達式就是如下：

S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)

式中cos參數為弧度，所以-30度和90度要分別換算成弧度。
我們以256Hz的采樣率對這個信號進行采樣，總共采樣256點。
按照我們上面的分析，Fn=(n-1)*Fs/N，我們可以知道，每兩個
點之間的間距就是1Hz，第n個點的頻率就是n-1。我們的信號
有3個頻率：0Hz、50Hz、75Hz，應該分別在第1個點、第51個點、
第76個點上出現峰值，其它各點應該接近0。實際情況如何呢？
我們來看看FFT的結果的模值如圖所示。

圖1 FFT結果
從圖中我們可以看到，在第1點、第51點、和第76點附近有
比較大的值。我們分別將這三個點附近的數據拿上來細看：
1點： 512+0i
2點： -2.6195E-14 - 1.4162E-13i
3點： -2.8586E-14 - 1.1898E-13i

50點：-6.2076E-13 - 2.1713E-12i
51點：332.55 - 192i
52點：-1.6707E-12 - 1.5241E-12i

75點：-2.2199E-13 -1.0076E-12i
76點：3.4315E-12 + 192i
77點：-3.0263E-14 +7.5609E-13i

很明顯，1點、51點、76點的值都比較大，它附近的點值
都很小，可以認為是0，即在那些頻率點上的信號幅度為0。
接著，我們來計算各點的幅度值。分別計算這三個點的模值，
結果如下：
1點： 512
51點：384
76點：192
按照公式，可以計算出直流分量為：512/N=512/256=2；
50Hz信號的幅度為：384/(N/2)=384/(256/2)=3；75Hz信號的
幅度為192/(N/2)=192/(256/2)=1.5。可見，從頻譜分析出來
的幅度是正確的。
然後再來計算相位信息。直流信號沒有相位可言，不用管
它。先計算50Hz信號的相位，atan2(-192, 332.55)=-0.5236,
結果是弧度，換算為角度就是180*(-0.5236)/pi=-30.0001。再
計算75Hz信號的相位，atan2(192, 3.4315E-12)=1.5708弧度，
換算成角度就是180*1.5708/pi=90.0002。可見，相位也是對的。
根據FFT結果以及上面的分析計算，我們就可以寫出信號的表達
式了，它就是我們開始提供的信號。

總結：假設采樣頻率為Fs，采樣點數為N，做FFT之後，某
一點n（n從1開始）表示的頻率為：Fn=(n-1)*Fs/N；該點的模值
除以N/2就是對應該頻率下的信號的幅度（對於直流信號是除以
N）；該點的相位即是對應該頻率下的信號的相位。相位的計算
可用函數atan2(b,a)計算。atan2(b,a)是求坐標為(a,b)點的角
度值，范圍從-pi到pi。要精確到xHz，則需要采樣長度為1/x秒
的信號，並做FFT。要提高頻率解析度，就需要增加采樣點數，
這在一些實際的應用中是不現實的，需要在較短的時間內完成
分析。解決這個問題的方法有頻率細分法，比較簡單的方法是
采樣比較短時間的信號，然後在後面補充一定數量的0，使其長度
達到需要的點數，再做FFT，這在一定程度上能夠提高頻率分辨力。
具體的頻率細分法可參考相關文獻。

[附錄：本測試數據使用的matlab程序]
close all; %先關閉所有圖片
Adc=2; %直流分量幅度
A1=3; %頻率F1信號的幅度
A2=1.5; %頻率F2信號的幅度
F1=50; %信號1頻率(Hz)
F2=75; %信號2頻率(Hz)
Fs=256; %采樣頻率(Hz)
P1=-30; %信號1相位(度)
P2=90; %信號相位(度)
N=256; %采樣點數
t=[0:1/Fs:N/Fs]; %采樣時刻

%信號
S=Adc+A1*cos(2*pi*F1*t+pi*P1/180)+A2*cos(2*pi*F2*t+pi*P2/180);
%顯示原始信號
plot(S);
title('原始信號');

figure;
Y = fft(S,N); %做FFT變換
Ayy = (abs(Y)); %取模
plot(Ayy(1:N)); %顯示原始的FFT模值結果
title('FFT 模值');

figure;
Ayy=Ayy/(N/2); %換算成實際的幅度
Ayy(1)=Ayy(1)/2;
F=([1:N]-1)*Fs/N; %換算成實際的頻率值
plot(F(1:N/2),Ayy(1:N/2)); %顯示換算後的FFT模值結果
title('幅度-頻率曲線圖');

figure;
Pyy=[1:N/2];
for i="1:N/2"
Pyy(i)=phase(Y(i)); %計算相位
Pyy(i)=Pyy(i)*180/pi; %換算為角度
end;
plot(F(1:N/2),Pyy(1:N/2)); %顯示相點陣圖
title('相位-頻率曲線圖');

看完這個你就明白諧波分析了。