fft的案例
FFT離散快速傅立葉變換簡介
FFT是離散傅立葉變換的快速算法，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么特征的，但是如果變換到頻域之后，就很容易看出特征了。這就是很多信號分析采用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是什么，可以用來做什么，怎么去做，但是卻不知道FFT之后的結果是什意思、如何決定要使用多少點來做FFT。
現在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采樣之后，就變成了數字信號。采樣定理告訴我們，采樣頻率要大于信號頻率的兩倍，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之后，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。那么FFT之后結果就是一個為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么關系呢？假設原始信號的峰值為A，那么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），而最后一個點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，另一半移到最后）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。
展開 BK Connect | FFT、CPB和總值分析套裝
專門用于穩態或非穩態信號的FFT、CPB（恒定百分比帶寬或1/3倍頻程）和總值分析。可與LAN-XI 數據采集硬件平臺內的任何單個模塊一起使用，這意味著最高支持12 個通道的數據分析。支持3676-B-040 型LAN-XI Light模塊，價格親民，極具競爭力。
用途
聲音與振動數據的采集、分析和報告
時域數據記錄
對多組時域數據進行批量處理
穩態和非穩態信號FFT 分析、CPB及總值分析
標準1/3倍頻程數字濾波器分析可用于確定聲功率級
使用不同的濾波器設置和FFT 帶寬進行分析
使用用戶可定義的布局和元數據簡單高效地報告結果
為了生成高效的工作流程，充分利用了完整版BK Connect 應用程序中的許多面向任務和用戶友好的功能，包括：
預定義分析鏈：用于分析參數設置，以執行標準測量任務
硬件瀏覽器和監視器：用于前端通道的圖形化概覽
監視器：用于實時顯示信號的幅值（物理量或電壓）、時域波形、FFT頻譜、FFT vs. time 和CPB，并可通過聲卡進行聲音回放
傳感器管理和驗證：用于配置和校準所連接的傳感器
結果矩陣顯示：用于查看測量結果并比較
標準測量任務：用于基本的實時頻譜測量
圖1 圖形化顯示分析鏈流程
圖2 測量界面（從左至右：硬件瀏覽、信號實時監視、測量結果顯示）
許多自動化操作便于新用戶使用，例如自動檢測所連接的硬件模塊以及TEDS傳感器、自動開始分析等，非常適合重復測試。
展開 fft變換
在百思論壇上看到的一段 C源代碼 挺不錯的就轉帖了
FFT C source code (Simple radix-2)
void fft_float (
unsigned NumSamples,
int InverseTransform,
float *RealIn,
float *ImagIn,
float *RealOut,
float *ImagOut )
{
unsigned NumBits; /* Number of bits needed to store indices */
unsigned i, j, k, n;
unsigned BlockSize, BlockEnd;
double angle_numerator = 2.0 * DDC_PI;
double tr, ti; /* temp real, temp imaginary */
if ( !
展開 FFT方法基于TSV-Post軟件在發動機缸套變形評價中的應用
FFT-快速傅立葉變換，在各類研究領域都有廣泛的應用，在缸套變形分析領域，它可以將復雜的缸孔綜合變形，分解成一系列規則的缸孔變形輪廓。
引起缸套變形的因素很多，通過研究FFT分解后的各階變形，可以找到相應的導致變形過大的原因，從而起到指導優化缸體結構設計的目的。
FFT方法在發動機缸套變形評價中的應用.pdf
LMS Testlab振動信號FFT變換操作
LMS Testlab計算傅里葉變換一般有兩種方式，第一種即在Navigator界面直接選擇信號數據后，點擊左上角FFT即可進行振動信號時域信號到頻域信號的傅里葉變化。另一種方式在Time Data Processing里進行計算，這里可以進行低通濾波處理。
方法一：在Navigator界面直接選擇信號數據，點擊FFT按鈕進行傅里葉變化。
方法二：在Time Data Processing里進行計算
半解析快速傅里葉變換
它表示全場的FFT可被兩個余項場的FFT替代。
3.數值仿真
這些概念在物理光學建模和設計軟件Wyrowski VirtualLab Fusion[3]中實現。
3.1.有效性測試1：純二次相位
在第一組測試中，我們準備了余項場，其幅度信息如圖1所示，且相位為零。我們將不同的二次相位項exp(iψq(ρ))與之相乘，組成。然后我們分別對全場應用FFT和半解析FFT。
圖2展示了不同情況下FFT和半解析FFT所需的采樣點。可以發現當場有強二次相位時，半解析FFT需要比FFT少得多的抽樣點。
在圖3中我們給出了三個典型位置的角頻譜的振幅。解釋了波陣面相位的物理意義，因此當波陣面相位非常小時，在FT中衍射效應占主導地位。否則，當波陣面相位增加時，FT展現了越來越多的幾何特征。
3.2 有效性測試2：球形相位
在第二組中，我們將乘上另一種相位：球形相位 。
不像測試1，我們只能用解析方法處理二次部分而不能處理整個球形相位。所以，余項場的相位不再是零而是球形和二次相位之間的差值，并且它會隨著球半徑r的減小而越來越大。
不同情況下FFT和半解析FFT的抽樣點于圖4給出。結果顯示在強球形相位情況下，由于相位差，需要更多的抽樣點，這導致了半解析FT的抽樣數量同樣增加了。
4.結論
我們論證了半解析FFT的推導并且展示了幾個數值例子。事實表明，半解析FFT的采樣僅取決于余項場。在波陣面相位較強的場中，半解析FFT需要的采樣點明顯較少。
參考文獻
[1] E. O. Brigham, “The fast Fourier transform and its applications.” (1988).
[2] L.
展開 半解析快速傅里葉變換
然后我們分別對全場
應用FFT和半解析FFT。
圖2展示了不同情況下FFT和半解析FFT所需的采樣點。可以發現當場有強二次相位時，半解析FFT需要比FFT少得多的抽樣點。
在圖3中我們給出了三個典型位置的角頻譜的振幅。解釋了波陣面相位的物理意義，因此當波陣面相位非常小時，在FT中衍射效應占主導地位。否則，當波陣面相位增加時，FT展現了越來越多的幾何特征。
3.2 有效性測試2：球形相位在第二組中，我們將乘上另一種相位：球形相位
。不像測試1，我們只能用解析方法處理二次部分而不能處理整個球形相位。所以，余項場的相位不再是零而是球形和二次相位之間的差值，并且它會隨著球半徑r的減小而越來越大。不同情況下FFT和半解析FFT的抽樣點于圖4給出。結果顯示在強球形相位情況下，由于相位差，
需要更多的抽樣點，這導致了半解析FT的抽樣數量同樣增加了。
4.結論我們論證了半解析FFT的推導并且展示了幾個數值例子。事實表明，半解析FFT的采樣僅取決于余項場。在波陣面相位較強的場中，半解析FFT需要的采樣點明顯較少。
參考文獻[1] E. O. Brigham, “The fast Fourier transform and its applications.” (1988).[2] L. Mandel and E. Wolf, Optical coherence and quantum optics (Cambridge university press, 1995).[3] “Wyrowski VirtualLab Fusion, developed by Wyrowski Photonics UG, distributed by LightTrans GmbH,”.
展開 [VirtualLab] 半解析快速傅里葉變換
它表示全場的FFT可被兩個余項場的FFT替代。
3.數值仿真
這些概念在物理光學建模和設計軟件Wyrowski VirtualLab Fusion[3]中實現。
3.1.有效性測試1：純二次相位
在第一組測試中，我們準備了余項場，其幅度信息如圖1所示，且相位為零。我們將不同的二次相位項exp(iψq(ρ))與之相乘，組成。然后我們分別對全場應用FFT和半解析FFT。
圖2展示了不同情況下FFT和半解析FFT所需的采樣點。可以發現當場有強二次相位時，半解析FFT需要比FFT少得多的抽樣點。
在圖3中我們給出了三個典型位置的角頻譜的振幅。解釋了波陣面相位的物理意義，因此當波陣面相位非常小時，在FT中衍射效應占主導地位。否則，當波陣面相位增加時，FT展現了越來越多的幾何特征。
3.2 有效性測試2：球形相位
在第二組中，我們將乘上另一種相位：球形相位 。
不像測試1，我們只能用解析方法處理二次部分而不能處理整個球形相位。所以，余項場的相位不再是零而是球形和二次相位之間的差值，并且它會隨著球半徑r的減小而越來越大。
不同情況下FFT和半解析FFT的抽樣點于圖4給出。結果顯示在強球形相位情況下，由于相位差，需要更多的抽樣點，這導致了半解析FT的抽樣數量同樣增加了。
4.結論
我們論證了半解析FFT的推導并且展示了幾個數值例子。事實表明，半解析FFT的采樣僅取決于余項場。在波陣面相位較強的場中，半解析FFT需要的采樣點明顯較少。
參考文獻
[1] E. O.
展開 Ansys Zemax | 什么是點擴散函數（ PSF ）
FFT PSF
快速傅里葉變換 （FFT） 算法已廣泛應用于許多電氣和光學系統的頻率分析。從概念上講，FFT 將空間分布分解為頻域分布。本文末尾的參考文獻 1 中對傅里葉光學進行了精彩的討論。在 OpticStudio 幫助系統的“物理光學傳播”一章中，參考文獻 2 中也有衍射理論的總結。這兩個參考文獻都描述了Fresnel和Fraunhofer衍射理論。
大多數光學成像系統都滿足 FFT PSF 算法使用的 Fraunhofer 衍射理論所需的簡化假設。主要假設是：
F/# 足夠大，因此標量衍射理論適用;
與從光學系統的出瞳到像面的距離相比，衍射 PSF 具有顯著能量的區域很小;
出瞳相對于入瞳沒有明顯的失真。這意味著入射光瞳上的光線均勻分布在出瞳上;
采樣設置得足夠高，以準確模擬 PSF;
入射到像面的主光線接近法向入射。
光學系統的 FFT PSF 計算如下：光線網格從光源點到出瞳進行追跡。對于每條光線，振幅和光程差用于計算波前網格在出瞳處的復振幅分布。然后對這個網格的 FFT 進行適當縮放，以產生實際值的 PSF。如果計算是多色的，則 PSF 的總和是不連貫的。
要計算序列系統的 FFT PSF，請選擇 Analyze...PSF...FFT PSF，牛頓望遠鏡示例文件的軸上場點的 FFT PSF 樣本如下所示。請注意，這些設置已從默認設置修改而來，稍后將對此進行討論。
請注意熟悉的 Airy Disk 形狀。這是該示例文件的預期結果，即軸上視場點無像差。要生成上圖，FFT PSF 設置對話框應如下所示：
采樣是指追跡到入瞳的光線網格密度。在內部，OpticStudio 將網格的大小加倍，用零值數據填充入瞳之外的區域。由于這種加倍，輸出 PSF 始終位于點數是采樣網格兩倍的網格上。
展開 快速傅里葉變換在信號處理中的應用
因此對于輸入信號頻率包含0Hz、50Hz和100hz的復合信號，在其經過FFT處理之后，應該會在頻譜圖中出現3個峰值，而且頻率分別為0Hz、50Hz和100Hz，處理結果如圖3所示：
圖3 信號頻譜全圖
結果正如我們所預料的，對輸入信號’S’做FFT處理之后，圖3中出現了5個峰值，這是因為對輸入信號做256點的FFT處理之后并沒有第257個頻點信息，這也是前文中所提到的第一個點的模值是N倍的原因。因此，信號的 FFT結果具有一定的對稱性。一般情況下，我們只使用前半部分的結果，即小于采樣頻率一半的結果。對于圖像進行簡單處理后，我們的前半部分的FFT結果如圖4所示：
圖4 處理后的頻譜圖
從圖4中可以看出，三個輸入信號頻點的幅值依次為1280、1280、640；其他頻率所對應的幅值均為0。按照公式，可以計算直流分量（頻率為0Hz）的幅值為：1280/N= 1280/256=5;頻率為50Hz的交流信號的幅值為：1280/(N/2)= 1280/(256/2)=10;而75Hz的交流信號的幅值為640/(N/2)=640/(256/2)=5。這也正是我們輸入信號中的三個分量的直流分量值，由此可見，從頻譜分析出來的幅值是正確的。
通過上面的例子可以看出，對于一個輸入信號，假如我們不能確定該輸入信號的頻率組成，我們對其進行FFT處理之后，便可以很輕松的看出其頻率分量，并且可以通過簡單的計算來獲知該信號的幅值信息等。
展開 支持藍牙Piconet和Scatternet組網協議的高性能32位藍牙音頻應用處理器-BP1048B2
內核和存儲：
高性能32位RISC內核，較高頻率288MHz，支持DSP指令，集成FPU支持浮點運算
FFT加速器：較大支持1024點復數 FFT/IFFT運算，或者是2048點的實數FFT/IFFT運算
集成320KB SRAM，32KB I-Cache，32KB D- Cache
內置16Mbit FLASH，存儲代碼及數據
內置一次性燒錄存儲器可以保存用戶密碼
2線SDP（Serial Debug Port）調試口，具備斷點調試和代碼追蹤能力
有沒有一種性價比高、操作又簡便的噪聲振動測試任務解決方案？
8490-A-N-SYS FFT分析套裝
8490-B-N-SYS 階次分析套裝
8490-C-N-SYS FFT、CPB、總值分析套裝
8490-D-N-SYS 響度及總值分析套裝
8491-A-N-SYS 錘擊法測試套裝
8493-A-N-SYS 聲學攝像機套裝
BK Connect FFT分析套裝
BK CONNECT FFT ANALYSIS APPLET
專門用于標準的穩態和非穩態FFT 分析，包括導納測量、振動和聲學信號FFT 頻譜分析。可與LAN-XI數據采集硬件平臺內的任何單個模塊一起使用，包括3676-B-040型LAN-XI Light，這意味著支持4 到12個通道間的任意配置。
展開 為什么要進行傅立葉變換？
七、用Matlab實現快速傅立葉變換
FFT是離散傅立葉變換的快速算法，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么特征的，但是如果變換到頻域之后，就很容易看出特征了。這就是很多信號分析采用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是什么，可以用來做什么，怎么去做，但是卻不知道FFT之后的結果是什意思、如何決定要使用多少點來做FFT。
現在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采樣之后，就變成了數字信號。采樣定理告訴我們，采樣頻率要大于信號頻率的兩倍，這些我就不在此啰嗦了。
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之后，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。那么FFT之后結果就是一個為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么關系呢？假設原始信號的峰值為A，那么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），而最后一個點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，另一半移到最后）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。
展開 在波前計算中OpticStudio如何進行采樣
同樣，我們也需要為FFT算法確定一個中心點。為了實現這些需求，我們需要定義出瞳空間（按不同定義方式稱為近場或空間域）中的光瞳中心，即（n/2+1,n/2+1）。因此，當仔細觀察波前圖你會發現最左側一列的數據全部為零。在本例中的實際中心位置為（17,17）。
現在我們來看PSF分析。PSF是波前平方經過快速傅里葉變換后得到的結果。將FFT PSF參數設置如下：
我們可以看到PSF是以位于（n/2,n/2）的像素為中心的，也就是坐標為（16,16）的像素。這和FFT的計算方式以及OpticStudio中方向的定義有關。當網格的中心點在某個域（例如空間域）的坐標為n/2+1時，在另一個域中（例如頻域）的中心點坐標則為n/2。仔細觀察下圖你會發現最左一列和最下一行的數據為空白。
在MTF計算中，MTF為波前的自相關函數，并且通常來講其像素數量為波前圖的兩倍（不考慮坐標軸變化）。因此為了MTF，OpticStudio首先會用數據0將32x32個數據點補充為64x64個數據點，然后再進行自相關計算。對于三維FFT MTF（Surface FFT MTF），OpticStudio會對波前的FFT平方，然后再對其進行FFT計算，換句話說MTF是PSF的傅里葉變換。
展開 為什么要進行傅立葉變換？傅立葉變換有何意義？
七、用Matlab實現快速傅立葉變換
FFT是離散傅立葉變換的快速算法，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么特征的，但是如果變換到頻域之后，就很容易看出特征了。這就是很多信號分析采用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是什么，可以用來做什么，怎么去做，但是卻不知道FFT之后的結果是什意思、如何決定要使用多少點來做FFT。
現在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采樣之后，就變成了數字信號。采樣定理告訴我們，采樣頻率要大于信號頻率的兩倍，這些我就不在此啰嗦了。
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之后，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。那么FFT之后結果就是一個為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么關系呢？假設原始信號的峰值為A，那么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），而最后一個點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，另一半移到最后）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。
展開 