下载文档原格式
基于MATLAB的FFT算法研究快速傅里叶变换（Fast Fourier Transform，FFT）是一种常用的信号处理算法，用于将一个离散时间信号转换为其频谱表示。
在信号处理和图像处理等领域，FFT被广泛应用于频谱分析、滤波、相关性计算、信号恢复等方面。
MATLAB是一种强大的数学计算软件，其中也包含了FFT算法的实现。
下面将对基于MATLAB的FFT算法进行研究。
首先，我们需要了解FFT算法的原理。
FFT算法基于傅里叶变换，它将一个离散时间域信号转换为离散频率域信号。
对于一个长度为N的离散时间域信号x(n)，其傅里叶变换定义为：X(k) = Σ(x(n) * exp(-j2πkn/N))，n = 0,1,...,N-1, k =0,1,...,N-1其中，X(k)表示信号x(n)在频率k/N的幅度和相位表示。
传统的傅里叶变换算法的时间复杂度为O(N^2)，计算量较大。
FFT算法通过将傅里叶变换的时间域序列分解成两个较短的时间域序列，从而大大减少了计算量，其时间复杂度降低到O(NlogN)。
在MATLAB中，可以使用fft函数实现FFT算法。
该函数的基本语法为：Y = fft(X)其中，X是输入的离散时间域信号序列，Y是计算得到的离散频率域信号序列。
默认情况下，FFT函数将输入信号序列长度取为2的幂次方，如果输入序列的长度不满足该要求，则FFT函数会对输入序列进行补零。
除了基本的FFT函数，MATLAB还提供了一些其他的FFT相关函数。
例如，fftshift函数可以将频率域信号序列进行移动，使得频率为0的部分位于频率响应的中央位置。
ifft函数则是用来执行逆FFT操作，将频率域信号恢复到时间域。
还有fft2函数和ifft2函数用于二维图像的FFT变换和逆变换。
在使用MATLAB进行FFT算法研究时，可以通过绘制频谱图来观察信号的频谱特性。
使用MATLAB的plot函数可以绘制离散频率域信号的模值和相位。
傅里叶变换（Fourier Transform）是信号处理中的重要数学工具，它可以将一个信号从时域转换到频域。
在数字信号处理领域中，傅里叶变换被广泛应用于频谱分析、滤波、频谱估计等方面。
MATLAB作为一个功能强大的数学软件，自带了丰富的信号处理工具箱，可以用于实现傅里叶变换。
在MATLAB中，自行编写FFT（Fast Fourier Transform）的过程需要以下几个步骤：1. 确定输入信号我们首先需要确定输入信号，可以是任意时间序列数据，例如声音信号、振动信号、光学信号等。
假设我们有一个长度为N的信号x，即x = [x[0], x[1], ..., x[N-1]]。
2. 生成频率向量在进行傅里叶变换之前，我们需要生成一个频率向量f，用于表示频域中的频率范围。
频率向量的长度为N，且频率范围为[0, Fs)，其中Fs 为输入信号的采样频率。
3. 实现FFT算法FFT算法是一种高效的离散傅里叶变换算法，它可以快速计算出输入信号的频域表示。
在MATLAB中，我们可以使用fft函数来实现FFT 算法，其调用方式为X = fft(x)。
其中X为输入信号x的频域表示。
4. 计算频谱通过FFT算法得到的频域表示X是一个复数数组，我们可以计算其幅度谱和相位谱。
幅度谱表示频率成分的强弱，可以通过abs(X)得到；相位谱表示不同频率成分之间的相位差，可以通过angle(X)得到。
5. 绘制结果我们可以将输入信号的时域波形和频域表示进行可视化。
在MATLAB 中，我们可以使用plot函数来绘制时域波形或频谱图。
通过以上几个步骤，我们就可以在MATLAB中自行编写FFT傅里叶变换的算法。
通过对信号的时域和频域表示进行分析，我们可以更好地理解信号的特性，从而在实际应用中进行更精确的信号处理和分析。
6. 频谱分析借助自行编写的FFT傅里叶变换算法，我们可以对信号进行频谱分析。
频谱分析是一种非常重要的信号处理技术，可以帮助我们了解信号中所包含的各种频率成分以及它们在信号中的能量分布情况。
一、概述在信号处理和图像处理领域，计算空间频谱是一项非常重要的任务。
通过计算空间频谱，我们可以了解信号或图像在不同频率下的分布情况，从而对其进行分析和处理。
而在Matlab中，fft（快速傅里叶变换）则是计算空间频谱的常用工具之一。
本文将以一个实际例子来介绍如何使用Matlab进行fft计算空间频谱。
二、实例背景假设我们有一个一维的音频信号，我们希望了解该信号在频域上的分布情况。
通过计算其空间频谱，我们可以观察到该信号在不同频率下的能量分布情况，并且进一步分析和处理该信号。
三、Matlab fft计算空间频谱步骤1.准备数据我们需要准备待分析的音频信号数据。
在Matlab中，我们可以使用以下命令生成一个包含随机信号的向量：```Matlabx = randn(1,1024);```这里生成了一个包含1024个随机数的向量x，代表了我们所要分析的音频信号。
2.进行fft计算接下来，我们可以使用Matlab中的fft函数对信号进行fft计算，得到其频谱。
具体的计算步骤如下：```MatlabN = length(x); 获取信号长度Y = fft(x); 对信号进行fft计算P2 = abs(Y/N); 计算双边频谱P1 = P2(1:N/2+1); 获取单边频谱P1(2:end-1) = 2*P1(2:end-1); 根据频谱长度修正幅值f = xxx*(0:(N/2))/N; 生成频率向量```在这段代码中，我们首先获取了信号长度N，然后对信号进行fft计算得到频谱Y。
我们计算了双边频谱P2，并根据频谱长度修正了其幅值。
我们生成了频率向量f，用于后续频谱可视化。
3.频谱可视化我们可以使用Matlab中的plot函数对频谱进行可视化展示，从而更直观地了解信号在频域上的分布情况。
```Matlabplot(f,P1)title('单边幅频特性')xlabel('频率（Hz）')ylabel('|P1(f)|')```通过以上步骤，我们就可以得到该音频信号在频域上的分布情况，并且可以通过频谱图来进一步分析和处理该信号。
MATLAB中提供了fft变换函数，可以用来对信号进行傅里叶变换，得到信号的频谱信息。
下面将介绍如何使用MATLAB进行fft变换，并给出代码示例。
1. 准备信号数据我们需要准备一段信号数据，可以是从文件中读取的音频数据，也可以是模拟信号的采样数据。
假设我们有一个长度为N的信号向量x，其中包含了我们要进行fft变换的信号数据。
2. 计算fft变换在MATLAB中，可以使用fft函数来对信号进行傅里叶变换。
在进行变换之前，通常需要对信号做一些预处理，如去除直流分量、进行窗函数处理等。
假设我们已经对信号进行了预处理，接下来可以对信号进行fft变换了。
代码示例如下：```matlabX = fft(x);```这里，X是得到的频谱数据，它是一个长度为N的复数向量，包含了信号的频谱信息。
3. 频谱数据处理得到频谱数据之后，通常需要对其进行进一步的处理，如计算幅度谱、相位谱、频谱图等。
代码示例如下：```matlabP2 = abs(X/N);P1 = P2(1:N/2+1);P1(2:end-1) = 2*P1(2:end-1);f = Fs*(0:(N/2))/N;plot(f,P1)title('Single-Sided Amplitude Spectrum of X(t)')xlabel('f (Hz)')ylabel('|P1(f)|')```在这段示例代码中，计算了信号的单边幅度谱，并绘制了频谱图。
在实际应用中，还可以根据具体需求对频谱数据进行进一步处理。
4. 代码示例下面给出一个完整的MATLAB代码示例，展示了如何进行fft变换并绘制频谱图：```matlab准备信号数据Fs = 1000; 采样频率t = 0:1/Fs:1-1/Fs; 时间向量x = cos(2*pi*100*t) + 2*sin(2*pi*200*t);计算fft变换N = length(x);X = fft(x);频谱数据处理P2 = abs(X/N);P1 = P2(1:N/2+1);P1(2:end-1) = 2*P1(2:end-1);f = Fs*(0:(N/2))/N;plot(f,P1)title('Single-Sided Amplitude Spectrum of X(t)')xlabel('f (Hz)')ylabel('|P1(f)|')```运行以上代码，即可得到信号的频谱图。
用matlab实现DFT FFT目录实验目的 (2)实验内容 (2)1.用MATLAB实现DFT (2)2.用MATLAB实现FFT，分析有限离散序列的FFT (3)3.通过分别计算时间，得出DFT与FFT的算法差异 (7)实验原理 (8)1. 离散傅里叶变换的快速算法FFT (8)2. FFT提高运算速度的原理 (9)3. 理论分析DFT与FFT算法差异 (11)实验步骤 (12)实验结果 (13)实验分析 (27)实验结论 (33)实验体会 (33)实验目的1.通过研究DFT,FFT性质，用语言实现DFT, FFT。
不使用MATLAB现有的FFT函数，自己编写具体算法。
2.掌握FFT基2时间抽选法，理解其提高减少乘法运算次数提高运算速度的原理。
3.设计实验，得出DFT和FFT算法差异的证明，如复杂度等(精度、不同长度的序列等）。
实验内容1. 用MATLAB实现DFTN点序列x(n) 的DFT为：DFT的矩阵为：根据DFT公式与矩阵展开，通过MATLAB实现DFT：2.用Matlab实现FFT编程思想及程序框图：●原位计算因为DIT-FFT与DIF-FFT的算法类似，这里我们以DIT-FFT为例。
N=2M点的FFT共进行M级运算，且每一级都由N/2个蝶形运算组成，后一级的节点数据由前一级同处一条水平线位置的节点数据产生，所以我们同样可以将后一级的节点数据储存到前一级的节点中，这样的方法叫做原位计算，它大大节省了内存资源，降低了成本，简化了运算。
●序列的倒序无论是进行DIT-FFT还是DIF-FFT都需要进行倒序，包括输入倒序与输出倒序，以一定的方式将数组进行重新排列。
倒序的方法：首先由于N=2M,我们就可以用M位二进制数来表示节点的顺序，并且按照奇偶时域抽取。
然后，如图1所示，第一次按最低位n0的0、1值分解为奇偶组，第二次按次低位n1的0、1值分解为奇偶组，以此类推。
最后，所得二进制数所对应的十进制数即为序列倒序后产生的序列。
一、实验目的1.利用MATLAB 编写FFT 快速傅里叶变换。
2.比较编写的myfft 程序运算结果与MATLAB 中的FFT 的有无误差。
二、实验条件PC 机，MATLAB7.0三、实验原理1. FFT （快速傅里叶变换）原理：将一个N 点的计算分解为两个N/2点的计算，每个N/2点的计算再进一步分解为N/4点的计算，以此类推。
根据DFT 的定义式，将信号x[n]根据采样号n 分解为偶采样点和奇采样点。
设偶采样序列为y[n]=x[2n]，奇采样序列为z[n]=x[2n+1]。
上式中的k N W -为旋转因子N k j e /2π-。
下式则为y[n]与z[n]的表达式：2.蝶形变换的原理：下图给出了蝶形变换的运算流图，可由两个N/2点的FFT（Y[k]和Z[k]得出N点FFT X[k]）。
同理，每个N/2点的FFT可以由两个N/4点的FFT求得。
按这种方法，该过程可延迟后推到2点的FFT。
下图为N=8的分解过程。
图中最右边的为8个时域采样点的8点FFTX[k]，由偶编号采样点的4点FFT和奇编号采样点的4点得到。
这4点偶编号又由偶编号的偶采样点的2点FFT和奇编号的偶采样点的2点FFT产生。
相同的4点奇编号也是如此。
依次往左都可以用相同的方法算出，最后由偶编号的奇采样点和奇编号的偶采样点的2点FFT算出。
图中没2点FFT成为蝶形，第一级需要每组一个蝶形的4组，第二级有每组两个蝶形的两组，最后一级需要一组4个蝶形。
四、实验内容1.定义函数disbutterfly ，程序根据FFT 的定义：]2[][][N n x n x n y ++=、n N W N n x n x n z -+-=])2[][(][，将序列x 分解为偶采样点y 和奇采样点z 。
function [y,z]=disbutterfly(x)N=length(x);n=0:N/2-1;w=exp(-2*1i*pi/N).^n;x1=x(n+1);x2=x(n+1+N/2);y=x1+x2;z=(x1-x2).*w;2.定义函数rader ，纠正输出序列的输出顺序。
1 引言 (1)2 基于MATLAB的FFT算法实现 (2)2.1系统总体流程图 (2)2.2 FFT运算规律及编程思想 (3)2.2.1语音信号的采集 (3)2.2.2 DIT-FFT算法的基本原理 (3)2.2.3 DIT-FFT算法的运算规律及编程思想 (5)3 Matlab程序实现 (10)4 系统人机对话界面 (13)4.1 GUI简介 (13)4.2 界面设计 (13)4.3 运行调试 (14)5 心得体会 (16)参考文献 (17)附录Ⅰ (18)附录Ⅱ (21)MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。
附加的工具箱（单独提供的专用 MATLAB 函数集）扩展了 MATLAB 环境，以解决这些应用领域内特定类型的问题。
它以矩阵运算为基础，把计算、可视化、程序设计融合在一个简单易用的交互式工作环境中，是一款数据分析和处理功能都非常强大的工程适用软件。
它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数据滤波、傅立叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱位语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便的完成语音信号的处理和分析以及信号的可视化。
数字信号处理是MATLAB重要应用的领域之一。
对于有限长序列x(n),若要求其N点的傅里叶变换（DFT）需要经过2N次复数乘法运算和N*(N-1)次复数加法运算。
随着N的增加，运算量将急剧增加，而在实际问题中，N往往是较大的，如当N=1024时，完成复数乘法和复数加法的次数分别为百万以上，无论是用通用计算机还是用DSP芯片，都需要消耗大量的时间和机器内存，不能满足实时的要求。
fft matlab代码FFT即快速傅里叶变换（Fast Fourier Transform），是求解信号频谱的一种有效方法。
本文将介绍如何使用MATLAB进行FFT，包括转换数据输入格式、计算FFT、绘制频谱图等步骤。
一、导入数据MATLAB中，可以通过load命令将文本文件（.txt）中的数据导入到工作区中。
在导入数据之前，应先浏览一下数据文件，确定数据格式。
在这个例子中，我们加载一个文本文件（data.txt），该文件包含1000个采样点，每个采样点用单精度浮点数（float）格式表示。
数据可以将它们存储在一个列向量中。
代码如下：```data = load('data.txt');```二、计算FFT在MATLAB中，可以使用fft函数计算FFT。
计算结果为一个复数向量，其中第一个元素为直流分量，后面的元素是频谱（正弦和余弦）的值。
为了方便分析，我们还可以对FFT进行中心化处理，用fftshift函数将直流分量移动到向量的中央。
三、计算频率轴FFT生成的频率轴是0到采样率（sampling rate）的一半。
例如，在本例中，采样率为1000Hz，因此FFT生成的频率轴将从0Hz到500Hz。
我们可以使用linspace函数生成一个与FFT向量Y相同长度的频率向量。
这个向量将从-500Hz到499Hz。
为了使频谱更加直观，我们可以将频率向量归一化为采样率的一半。
```N = length(data);fs = 1000;f = linspace(-fs/2,fs/2,N);```四、绘制频谱MATLAB中，可以使用plot函数绘制频谱图。
需要注意的是，FFT结果是一个复数向量，我们需要取其幅度值（即FFT结果的绝对值）。
相信通过本文的介绍，大家可以掌握使用MATLAB进行FFT的基本方法。
※※※※※※※※※※※※※※※※※※※※※※课题名称基于matlab的FFT算法程序设计姓名学号学院专业指导教师基于matlab 的FFT 算法程序设计1 设计目的（1）掌握FFT 算法程序的matlab 的实现。
（2）了解matlab 中对信号做频谱分析时如何设置参数。
（3）了解FFT 算法的原理。
（4）熟悉信号的各种频谱分析图。
2 设计思路利用matlab 编程实现（1） 利用原理分析出该信号的取样频率以及取样点数大概为多少才合适。
（2） 对未进行加噪声的信号进行幅频分析，然后恢复信号。
（3） 将原始信号加进噪声并进行幅频分析，然后恢复信号。
（4） 比对加噪声前后信号的幅频图，看有何区别再进行总结。
3 设计过程3.1 设计原理（1） FFT 变换原理N 点序列的DFT 和IDFT 变换定义式如下：1[][]N kn Nk x k x n W-==∑（1） 1101[][]N kn Nk x n X k WN--==∑（2）利用旋转因子2N j nkkn NWeπ-=（3）具有周期性，可以得到快速算法（FFT ）。
在MATLAB 中，可以用函数(,)X fft x N =（4）和(,)x ifft X N =（5）计算N 点序列的DFT 正、反变换。
（2） FFT 中选择频率以及采样点的标准一个模拟信号，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，采样得到的数字信号，就可以做FFT （快速傅里叶变换）了。
N 个采样点，经过FFT 之后，就可以得到N 个点的FFT 结果。
为了方便进行FFT 运算，通常N 取2的整数次方。
假设采样频率为F s ，信号频率F ，采样点数为N 。
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。
具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A ，那么FFT 的结果的每个点（除了第一个点直流分量之外）的模值就是A 的N/2倍。
而第一个点就是直流分量，它的模值就是直流分量的N 倍。
而每个点的相位呢，就是在该频率下的信号的相位。
第一个点表示直流分量（即0Hz ），而最后一个点N 的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率F s ，这中间被N-1个点平均分成N 等份，每个点的频率依次增加。
例如某点n 所表示的频率为：n F (1)/s n F N =-*（6）由公式（2-6）可以看出，F n 所能分辨到频率为为F s /N ，如果采样频率F s 为1024Hz ，采样点数为1024点，则可以分辨到1Hz 。
1024Hz 的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT ，则结果可以分析到1Hz ，如果采样2秒时间的信号并做FFT ，则结果可以分析到0.5Hz 。
如果要提高频率分辨力，则必须增加采样点数，也即采样时间。
频率分辨率和采样时间是倒数关系。
假设FFT 之后某点n 用复数a+b*i 表示，那么这个复数的模就是A n =根号a*a+b*b ，相位就是：tan 2(,)P a b a =（7）根据以上的结果，就可以计算出n 点（n≠1，且n<=N/2）对应的信号的表达式为：/(/2)cos(2)2/cos(2)n n n n n n A N pi F t P A N pi F t P ****+*****+（8）对于n=1点的信号，是直流分量，幅度即为A 1/N 。
由于FFT 结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。
（3）设计程序利用分析出的取样频率以及频率取样点来画出该信号在加噪声与不加噪声的情况下的幅频图，并进行比对。
3.2 设计流程图图1 程序总流程图4 仿真实现过程4.1源程序代码 fs=100;%设定采样频率 N=128; n=0:N-1;t=n/fs;f0=10;%设定正弦信号频率%生成正弦信号x=sin(2*pi*f0*t);figure(1);subplot(121);plot(t,x);%作正弦信号的时域波形xlabel('t');ylabel('y');title('正弦信号时域波形');grid;%进行FFT变换并做频谱图y=fft(x,N);%进行fft变换mag=abs(y);%求幅值f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换figure(2);subplot(121);plot(f,mag);%做频谱图axis([0,100,0,80]);xlabel('频率(Hz)');ylabel('幅值');title('正弦信号幅频谱图N=128');grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs;figure(3);subplot(121);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换的正弦信号波形');grid;%对信号加信噪比为16的高斯白噪声SNR=16; %设定信噪比y=awgn(x,SNR);figure(1);subplot(122);plot(t,y); %画出加噪声后的信号时域波形图xlabel('t');ylabel('y');title('正弦信号加噪声后的时域波形');grid;%进行FFT变换并做频谱图g=fft(y,N);%进行fft变换mag=abs(g);%求幅值f=(0:length(g)-1)'*fs/length(g);%进行对应的频率转换figure(2);subplot(122);plot(f,mag);%做频谱图axis([0,100,0,80]);xlabel('频率(Hz)');ylabel('幅值');title('正弦信号加噪声后的幅频谱图N=128'); grid;%用IFFT恢复加噪声后的信号xifft1=ifft(g);magx=real(xifft1);ti=[0:length(xifft1)-1]/fs;figure(3);subplot(122);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换加噪声后的信号波形');grid;4. 2程序运行结果0.511.5-1-0.8-0.6-0.4-0.200.20.40.60.81ty正弦信号时域波形0.511.5-1.5-1-0.500.511.5ty正弦信号加噪声后的时域波形图2 原始信号波形 图3 加噪声后信号波形图由图2和图3可得，加噪声后，信号的幅度有所改变，不能直接看出频率的变化，信号变为非周期性信号。
020406080100频率(Hz)幅值正弦信号幅频谱图N=12802040608010020406080频率(Hz)幅值正弦信号加噪声后的幅频谱图N=128图4 原始信号幅频图 图5 加噪声后信号幅频图通过幅频曲线分析，图4中可看出只含有一种频率的信号，f=10Hz ；而从图5中可看到除了原始信号的频率外还有许多的位置频率在干扰着信号。
幅频分析在现代通信技术中占有重要的地位，信号在信道中传输是不可能避免噪声的，从而使通信变得随机性比较强，而幅频分析能分析出信号的频率组成，若是再加上滤波器则可将我们不需要的频率范围滤掉，保留我们需要传送的信号频率范围，从而保证传送的信息的准确性。
-1-0.8-0.6-0.4-0.200.20.40.60.81ty通过IFFT 转换的正弦信号波形-1.5-1-0.500.511.5ty通过IFFT 转换加噪声后的信号波形图6 恢复原始信号波形图 图7 恢复加噪声信号波形图由图6和图7可看出进行了IFFT 转化后，能将FFT 变换的信号无误 差的还原，该项技术一般用于接收端。
5主要仪器与设备安装了matlab R2009a 程序的电脑。
6设计体会与建议6.1设计体会通过此次课程设计，让我对快速傅里叶变换即FFT 有了更深刻的了解，不再局限于书上所学的傅里叶变化的公式，它不仅仅是一种计算方法，更是在通信系统中起到很大的作用，通过傅里叶变换我们可以画出幅频图，从中得到信号的频率组成。
此次课程设计也让我更加了解matlab 软件在通信系统仿真中的重要性让我更加熟练地运用matlab 软件，虽然遇到了许多难题，通过同学和老师的交流学习，让我学会了许多在课堂上没有理解的难点。
6.2对设计的建议对于课程设计我已经不陌生了，从第一次到现在多多少少觉得课程设计是一个让我们能将一学期学到的知识应用起来，使我们学的科目不再是一门一门，而是一个系统，但是我觉得课程设计更应该注重于实际的做出一样东西，而不仅仅局限于程序以及仿真，希望老师以后可以让我们更多的接触到一些关于硬件方面的设计。
参考文献[1] 樊昌信，曹丽娜. 通信原理[s].北京：国防工业出版社，2006年.[2] 吴大正. 信号与系统线性系统分析[s]. 北京：高等教育出版社，2004年.[3] 别志松，别红霞. 信息与通信系统仿真[s]. 北京：北京邮电大学出版社，2010年.[4] 张志勇，杨祖撄. MATLAB教程[s]. 北京：北京航空航天大学出版社，2006年.[5] 齐国清，贾新乐. 插值FFT估计正弦信号频率的精度分析[N] .电子学报，2004年.[6] 刘进明，应怀樵. FFT谱连续细化分析的富里叶变换法[N].振动工程学报，1995年.文档来源网络，版权归原作者。
如有侵权，请告知，我看到会立刻处理。
忽略此处..。
