0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

關(guān)于FFT的信號(hào)補(bǔ)零操作

冬至子 ? 來(lái)源:雷達(dá)系統(tǒng)工程師 ? 作者:忠于夢(mèng)想 ? 2023-07-04 10:41 ? 次閱讀

在做信號(hào)處理的過(guò)程中,常遇到將信號(hào)補(bǔ)零后再做FFT等操作,比如頻域脈沖壓縮算法中,一般距離維PRT數(shù)據(jù)和脈壓系數(shù)需要填零使長(zhǎng)度相等且滿足2的N次方,但是填零操作能做什么,不能做什么呢?

先說(shuō)結(jié)論:補(bǔ)零不會(huì)改變頻譜的樣子(輪廓),也就是不會(huì)改變頻率分辨率,但會(huì)減弱柵欄效應(yīng),提高頻譜分辨率,也就是頻譜采樣點(diǎn)會(huì)增加,導(dǎo)致頻譜采樣間隔減小。注意,頻譜分辨率和頻率分辨率的區(qū)別。

示例中使用100Hz采樣率產(chǎn)生兩個(gè)單頻點(diǎn)正弦信號(hào),頻率分別為11、12Hz;接著兩者分別做FFT運(yùn)算,以及兩信號(hào)疊加后做FFT;

圖片

圖片

圖片

圖片

圖片

圖片

圖片

圖片

從以上各圖可以看出,隨著填零數(shù)量的增加,頻譜的基本輪廓并未改變,只是變得更細(xì)膩(提高了頻率顆粒度,即頻譜分辨率),但是并不能提高頻率分辨率,從圖形上直觀體現(xiàn)為主瓣尖峰寬度不變,圖中11Hz和12Hz的正弦信號(hào)頻譜峰值難以分辨;

從原理上分析,采樣率100Hz,N=32點(diǎn),則FFT頻率分辨率fs/N=3.125Hz,則本例中1Hz的差異是無(wú)法分辨的,不斷的填充0相當(dāng)于在頻域進(jìn)行插值,隨著填零數(shù)量的增加,32點(diǎn)的FFT信號(hào)頻譜將不斷逼近離散時(shí)間傅里葉變換(DTFT)的結(jié)果;反過(guò)來(lái)理解(將圖按從下往上的順序看),在N=32不變的情況下,填零后FFT相當(dāng)于在32點(diǎn)信號(hào)DTFT結(jié)果中一個(gè)頻域周期內(nèi)進(jìn)行等間隔采樣而來(lái)。

提高頻率分辨率需要增加觀測(cè)時(shí)間(即有效數(shù)據(jù)長(zhǎng)度),如需要分辨1Hz的頻率,就需要至少1/1Hz=1s的有效觀測(cè)時(shí)長(zhǎng);下面看看增加采樣點(diǎn)數(shù)后頻譜的變化,圖中分別有11、12Hz兩個(gè)頻率的獨(dú)立頻譜和時(shí)域疊加后的頻譜,可以看到在N大于128點(diǎn)開(kāi)始,疊加信號(hào)主瓣上開(kāi)始出現(xiàn)兩個(gè)非相鄰獨(dú)立峰值點(diǎn),N越大,區(qū)分越明顯。單頻信號(hào)的主瓣寬度隨著N增加而變窄。

圖片

圖片

圖片

圖片

圖片

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • FFT
    FFT
    +關(guān)注

    關(guān)注

    15

    文章

    430

    瀏覽量

    59017
  • PRT
    PRT
    +關(guān)注

    關(guān)注

    0

    文章

    9

    瀏覽量

    8736
  • 頻譜儀
    +關(guān)注

    關(guān)注

    7

    文章

    338

    瀏覽量

    35766
  • 傅里葉變換
    +關(guān)注

    關(guān)注

    6

    文章

    426

    瀏覽量

    42478
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    STM32的DSP庫(kù)函數(shù)FFTarm_fft_bin_example里面,為什么.arm_fft_bin_data.c的數(shù)據(jù)都是隔一個(gè)位置補(bǔ)0的?

    ( arm_cfft_sR_f32_len1024, testInput_f32_10khz, ifftFlag, doBitReverse);里面是1024個(gè),是不是因?yàn)橹挥昧藢?shí)部?所以隔位補(bǔ)零
    發(fā)表于 05-08 07:02

    Matlab關(guān)于FFT算法的編程及原理詳細(xì)講解

    附件1是關(guān)于直接運(yùn)行FFT工具箱進(jìn)行頻譜分析,請(qǐng)大家可以參考對(duì)照,對(duì)理解FFT算法肯定有幫助!希望對(duì)大家有幫助!附件2是關(guān)于FFT算法的詳細(xì)
    發(fā)表于 11-14 11:25

    BLE一次廣播的字節(jié)數(shù)一定是32個(gè)嗎,剩余自動(dòng)補(bǔ)零?

    小白問(wèn)2個(gè)問(wèn)題:BLE一次廣播的字節(jié)數(shù)一定是32個(gè)嗎,剩余自動(dòng)補(bǔ)零?廣播數(shù)據(jù)的位數(shù)對(duì)功耗有沒(méi)有影響。廣播數(shù)據(jù)的位數(shù)少,功耗會(huì)不會(huì)低一點(diǎn)?
    發(fā)表于 04-07 09:37

    有關(guān)fft做相關(guān)運(yùn)算問(wèn)題,求大神幫幫

    復(fù)共軛相乘用的什么方法??第二個(gè)是我的fft點(diǎn)數(shù)2048點(diǎn),輸入數(shù)據(jù)是1024點(diǎn),我需要對(duì)輸入數(shù)據(jù)進(jìn)行補(bǔ)零,是在tb里面我的1024個(gè)數(shù)據(jù)輸完后,在輸入1024個(gè),還是怎么補(bǔ)零?麻煩
    發(fā)表于 12-23 21:14

    調(diào)用STM32的DSP庫(kù)做fft運(yùn)算補(bǔ)零是為了補(bǔ)充虛部嗎?

    在調(diào)用STM32的DSP庫(kù)做fft運(yùn)算的時(shí)候發(fā)現(xiàn),要進(jìn)行fft運(yùn)算的輸入數(shù)據(jù)在運(yùn)算之前,需要對(duì)數(shù)據(jù)一隔一個(gè)補(bǔ)零,比如實(shí)際要進(jìn)行fft運(yùn)算的數(shù)據(jù)為1,2,3,4.需要變?yōu)?,0,2,0,
    發(fā)表于 02-22 07:16

    FFT返回的峰值頻率總是

    問(wèn)題…我已經(jīng)有了示例FFT代碼(CE018),但是當(dāng)我應(yīng)用來(lái)自ADC的真實(shí)信號(hào)時(shí),FFT返回的峰值頻率總是。問(wèn)題似乎是因?yàn)锳DC沒(méi)有產(chǎn)生足夠大的值來(lái)滿足
    發(fā)表于 09-18 10:12

    為什么要用傅里葉變換?FFT你不知道的細(xì)節(jié)

    。這時(shí)FFT分辨率為12.5kHz,所以譜線同時(shí)經(jīng)過(guò)1MHz和1.05MHz這兩個(gè)頻率點(diǎn),對(duì)其做FFT結(jié)果如下: 從上圖中可以看到,兩個(gè)頻點(diǎn)的幅值均與原信號(hào)一致,這也是補(bǔ)零
    發(fā)表于 06-20 16:07

    labview補(bǔ)零小功能

    labview補(bǔ)零小功能
    發(fā)表于 08-19 09:14

    應(yīng)用FFT對(duì)信號(hào)進(jìn)行頻譜分析

    實(shí)驗(yàn) 應(yīng)用FFT對(duì)信號(hào)進(jìn)行頻譜分析一、 實(shí)驗(yàn)?zāi)康?、在理論學(xué)習(xí)的基礎(chǔ)上,通過(guò)本次實(shí)驗(yàn),加深對(duì)快速傅里葉變換的理解,熟悉FFT算法及其程序的編寫(xiě)。2、熟悉
    發(fā)表于 05-10 10:00 ?64次下載

    理解FFT信號(hào)加窗原理及意義

    學(xué)習(xí)信號(hào)時(shí)域和頻域、快速傅立葉變換(FFT)、加窗,以及如何通過(guò)這些操作來(lái)加深對(duì)信號(hào)的認(rèn)識(shí)。 1. 理解時(shí)域、頻域、FFT 傅立葉變換有助于
    發(fā)表于 11-16 18:07 ?19.2w次閱讀
    理解<b class='flag-5'>FFT</b>和<b class='flag-5'>信號(hào)</b>加窗原理及意義

    基于FFT的正弦信號(hào)頻率估計(jì)算法

    為了進(jìn)一步提高加性高斯白噪聲背景中正弦信號(hào)的頻率估計(jì)精度,提出了一種新的基于插值快速傅里葉變換( FFT)的正弦信號(hào)頻率估計(jì)算法。首先,對(duì)Ⅳ點(diǎn)正弦采樣序列進(jìn)行等長(zhǎng)度時(shí)域補(bǔ)零延長(zhǎng),再進(jìn)行
    發(fā)表于 12-29 16:56 ?5次下載

    數(shù)字信號(hào)處理 FFT分析信號(hào)頻譜

    在DFT譜分析中,當(dāng)DFT點(diǎn)數(shù)N大于數(shù)據(jù)本身的實(shí)際點(diǎn)數(shù)L時(shí),相當(dāng)于在數(shù)據(jù)后面補(bǔ)上了L-N個(gè)0再做DFT,稱為“補(bǔ)零DFT“。
    的頭像 發(fā)表于 05-07 14:09 ?1.4w次閱讀
    數(shù)字<b class='flag-5'>信號(hào)</b>處理 <b class='flag-5'>FFT</b>分析<b class='flag-5'>信號(hào)</b>頻譜

    FFT幫你快速定位干擾信號(hào)來(lái)源

    信號(hào)分析與處理中,FFT可以將時(shí)域信號(hào)轉(zhuǎn)換至頻域,以獲得信號(hào)的頻率結(jié)構(gòu)、幅度、相位等信息。正確使用FFT功能可以幫助工程師快速定位干擾
    的頭像 發(fā)表于 08-27 16:56 ?2056次閱讀
    <b class='flag-5'>FFT</b>幫你快速定位干擾<b class='flag-5'>信號(hào)</b>來(lái)源

    信號(hào)基礎(chǔ):頻域、時(shí)域、FFT和加窗

    學(xué)習(xí)信號(hào)時(shí)域和頻域、快速傅立葉變換(FFT)、加窗,以及如何通過(guò)這些操作來(lái)加深對(duì)信號(hào)的認(rèn)識(shí)。
    的頭像 發(fā)表于 04-11 14:02 ?2528次閱讀

    傅里葉變換補(bǔ)零到底有什么用,什么時(shí)候需要補(bǔ)零呢?

    我們知道,快速傅里葉變換 (FFT) 是信號(hào)處理的重要數(shù)學(xué)工具。一般而言,n點(diǎn)信號(hào)的離散傅里葉變換 (DFT) 的變換結(jié)果(頻域)也是n個(gè)數(shù)據(jù)點(diǎn)。
    的頭像 發(fā)表于 08-09 14:46 ?9775次閱讀
    傅里葉變換<b class='flag-5'>補(bǔ)零</b>到底有什么用,什么時(shí)候需要<b class='flag-5'>補(bǔ)零</b>呢?