如何正确看信号的频谱(fft,fftshift)确定频谱横轴

东方耀

# 如何正确看信号的频谱(fft,fftshift)确定频谱横轴
# 在FFT里fftshift的作用：通过将零频分量移动到数组中心
# 复序列没有负频率，采样率只要大于带宽即可

1. close all; clear; clc;
   
2. fs = 300;            %采样率大于200
   
3. t = 0:1/fs:1;        %定义采样点
   
4. s = cos(2*pi*100*t)+cos(2*pi*40*t);  %采样后的信号序列
   
5. 
   
6. %---------看[0,fs]的频谱---------
   
7. F1 = fft(s);                %fft
   
8. f1 = linspace(0,fs,length(t));   %频谱横轴
   
9. subplot(211);plot(f1,abs(F1));xlabel('f');ylabel('幅度');title('看[0,fs]');
   
10. 
    
11. %---------看[-fs/2,fs/2]的频谱---------
    
12. F2 = fftshift(fft(s));                %fft
    
13. f2 = linspace(0,fs,length(t))-fs/2;   %频谱横轴
    
14. subplot(212);plot(f2,abs(F2));xlabel('f');ylabel('幅度');title('看[-fs/2,fs/2]');

复制代码

1. # -*- coding: utf-8 -*-
   
2. __author__ = u'东方耀 微信：dfy_88888'
   
3. __date__ = '2021/8/31 上午10:17'
   
4. __product__ = 'PyCharm'
   
5. __filename__ = '19_单频多频fft'
   
6. 
   
7. from scipy.fftpack import fft, ifft, fftshift
   
8. import numpy as np
   
9. import matplotlib.pyplot as plt
   
10. import matplotlib.ticker as mticker
    
11. from matplotlib.font_manager import FontProperties
    
12. 
    
13. font_fname = "/usr/share/fonts/wps-office/simfang.ttf"
    
14. font = FontProperties(fname=font_fname)
    
15. # plt.rcParams['font.sans-serif']=['simfang']#设置作图中文显示
    
16. 
    
17. # 如何正确看信号的频谱(fft,fftshift)确定频谱横轴
    
18. # 在FFT里fftshift的作用：通过将零频分量移动到数组中心
    
19. # 复序列没有负频率，采样率只要大于带宽即可
    
20. 
    
21. 
    
22. def gen_signal(prt, f, f_sample, amplitude=1, is_complex=False):
    
23.     """
    
24.     信号生成
    
25.     :param prt: 脉冲持续时间 脉宽
    
26.     :param f:   信号频率分量  list
    
27.     :param f_sample:  采样率
    
28.     :return:   信号波形 x y
    
29.     """
    
30.     sample_point_num = int(np.ceil(prt * f_sample))
    
31.     print("子脉冲的采样点数：", sample_point_num)
    
32.     x_time = np.linspace(0, prt, sample_point_num)
    
33.     y_signal = np.zeros(shape=[len(x_time), ])
    
34.     if not is_complex:
    
35.         # 实信号
    
36.         for f_item in f:
    
37.             print("频率分量={}的信号一个周期的采样点数={}".format(f_item, f_sample/f_item))
    
38.             y_signal += amplitude * np.cos(2 * np.pi * f_item * x_time)
    
39.     return x_time, y_signal
    
40. 
    
41. 
    
42. fs = 300
    
43. x_time, y_signal = gen_signal(1, [100,40, ], fs)
    
44. fft_y = fft(y_signal)
    
45. # 频谱横轴 看[0,fs]
    
46. x_f = np.linspace(0, int(fs), len(y_signal), endpoint=True)
    
47. 
    
48. # 在FFT里fftshift的作用：通过将零频分量移动到数组中心
    
49. fft_y_shift = fftshift(fft_y)
    
50. # 复序列没有负频率，采样率只要大于带宽即可
    
51. # 频谱横轴 看[-fs/2,fs/2]
    
52. x_f_shift = np.linspace(0, int(fs), len(y_signal), endpoint=True) - int(fs/2)
    
53. # print("归一化后的幅度谱的最大值：", np.max(abs_y_norm))
    
54. 
    
55. 
    
56. # 画图展示
    
57. plt.figure(figsize=(14, 12))
    
58. # seen_point_num = 28
    
59. plt.figure(1)
    
60. 
    
61. # plt.subplot(2, 1, 1)
    
62. # plt.plot(y_signal[:seen_point_num], marker='o', markersize=8, markerfacecolor='r')
    
63. # plt.title('发射信号_时域(实部)', fontproperties=font, fontsize=16)
    
64. # # plt.axis([0, 500, -3, 3])
    
65. # plt.xlabel('time/sample_num')
    
66. 
    
67. plt.subplot(2, 1, 1)
    
68. plt.plot(x_f, np.abs(fft_y), 'blue')
    
69. plt.title('幅度谱(未归一化)看[0,fs]', fontproperties=font, fontsize=16)
    
70. # plt.axis([0, 500, -3, 3])
    
71. plt.xlabel('freq')
    
72. 
    
73. plt.subplot(2, 1, 2)
    
74. plt.plot(x_f_shift, np.abs(fft_y_shift), 'blue')
    
75. plt.title('幅度谱(未归一化)看[-fs/2,fs/2]', fontproperties=font, fontsize=16)
    
76. # plt.axis([0, 500, -3, 3])
    
77. plt.xlabel('freq')
    
78. 
    
79. 
    
80. plt.show()
    
81. 
    

复制代码