本章摘要：FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。本章主要讲解如何采用matlab进行傅里叶变换，以及需要注意的事项。

比如有这样一个组合信号，其波形图如下，杂乱无章，看不出名堂。 S=2+3 * cos (2 * pi * 50 * t - pi * 30/180) + 1.5 * cos(2 * pi * 75* t + pi * 90/180)。

上面的信号波形图杂乱无章，我们可不可以将其频率进行提取了，提取各个信号分量的频率、幅值、相位。答案是可以的，那就是傅里叶变换FFT。下面直接给出结果看看效果，是不是提取出了信号分量的两个频率50Hz, 75Hz，还有它们对应的幅值3，1.5。

下面给出了，达到上面结果的FFT变换matlab代码。

关于上面代码中的一些参数说明：

经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍。 假设采样频率为Fs，信号频率为F，那就因该Fs > 2F。

采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。结果结果是左右对称的，所以上面图中的结果只取了一半 256/2=128。为了方便进行FFT运算，通常N取2的整数次方。

分辨率：例如某点n所表示的频率为：Fn=(n-1)*Fs/N。则Fn所能分辨到频率为Fs / N。如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。

幅值：那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。

比如上面峰值处对应的复数表示： 1点： 512+0i 51点：332.55 - 192i 76点：3.4315E-12 + 192i 对应模值分别为： 1点：512 51点：384 76点：192 通过模值可以看出：第一点直流分量的模值512，真实模值2，之间的关系为：512/(N=256）=2 其它两点，384/(N/2)=3，192/(N/2)=1.5。