频率分辨率

### FFT频率分辨率的概念 FFT（快速傅里叶变换）是一种用于计算离散傅里叶变换（DFT）的有效算法。其核心功能是对时间域信号进行频谱分析，从而提取其中的频率成分。频率分辨率是指通过FFT能够区分两个相邻频率的能力。 频率分辨率通常由采样间隔 \(T_s\) 和数据记录长度 \(N\) 决定。具体来说，频率分辨率可以表示为： \[ f_{res} = \frac{1}{NT} \] 这里 \(N\) 是采样的总点数，\(T\) 是单次采样的周期（等于 \(T_s\)）。这表明频率分辨率与采样时间和采样点数成反比关系[^4]。 ### 频率分辨率的计算公式 对于一个给定的时间序列信号，假设采样率为 \(f_s\) （单位：Hz），则采样周期为 \(T = \frac{1}{f_s}\)。如果采集的数据点总数为 \(N\)，那么频率分辨率可以通过以下公式计算得出： \[ f_{res} = \frac{f_s}{N} \] 这意味着频率分辨率取决于采样率和采样点数。较高的采样点数会提高频率分辨率，而较低的采样点数会导致较差的频率分辨能力[^2]。 ### 示例代码实现 下面是一个简单的MATLAB代码示例，展示如何基于上述公式计算频率分辨率并应用到实际信号处理中： ```matlab % 参数设置 fs = 100; % 采样频率 (Hz) t_total = 1; % 总采样时间 (秒) N = fs * t_total; % 数据点数 % 时间向量 t = linspace(0, t_total, N); % 构造测试信号 signal = sin(2*pi*10*t) + sin(2*pi*20*t); % 执行FFT Y = fft(signal); P2 = abs(Y/N); P1 = P2(1:N/2+1); P1(2:end-1) = 2*P1(2:end-1); % 计算频率轴 f_res = fs / N; f = f_res*(0:(N/2)); % 绘制幅值图 figure; plot(f,P1,'r'); title('Single-Sided Amplitude Spectrum of signal(t)'); xlabel('Frequency (Hz)'); ylabel('|P1|'); grid on; disp(['Frequency Resolution: ', num2str(f_res), ' Hz']); ``` 这段代码展示了如何利用FFT来获取输入信号的频谱特性，并打印出所计算得到的频率分辨率[^1]。 ### 结果解释 运行以上代码后，可以看到输出中的频率分辨率被显示出来。它反映了当前配置下所能达到的最佳频率分辨力。调整 `t_total` 或者改变 `fs` 的大小都会直接影响最终的结果精度。 ---