% E8 % af % B4 % E6 % 98 % ef % BC % 9a % E4 % bb % a5 % E4 % b8 % b5 % 84 % E6 % ba % 90 % E6 % BD % a5 % E6 % 25 % 20 %0x % 3d FFT % 25 % 20 % 2cn % 29 % 0a % 20 % E7 % 94 % A8 MATLAB % E8 % BF % E8 % a1 % B0 % B1 % E5 % 88 % 86 % E6 % 96 E6 % 84 % 25 % 20 % 9a % 0a % 20n % 3d8% 3b % 0a % 20n % 3d 03360 n-1 % 3b % 0a % 20xn % 3d % 5b4% 203 % 202 % 206 % 207 % % 207.7071 I % 205.0000 % 204.7782 % 20 % 20 % 20 % 20xk % E4 % b8 % 25 exn % E7 % 9a % 84 % E7 % bb % B4 % E6 % B0 % E7 % b8 % ba % 8e7%9B4 % E6 % b5 % 81 % E5 % 88 % 86 % 25 % 20 % ef % BC % 882 % ef % BC % 89 % E5 % 81 % afft % E5 % 88 % E6 % 96 % 86 % E4 % b8 % 8d % E5 % BD % B1 % E5 % B3 % 83d % 25 % 20 % E7 % bb % 8f % E5 % 81 % E4 % ba % 86 % E5 % a4 % 84 % E7 % 90 % 86 % E5 % be % 97 % E5 % 88 % B0 % E7 % 9a % 84 % ee7 % 25 % 20bb % a5n % E5 % 8d % B3 % E5 % 8f % E3 % 80 % 82 % 2033 333 2 % 91 % E7 % 87fs % 3d 100 Hz % ef % BC % 8c % E5 % 88 % 88 % 25 % 20 % be % E3 % 80 % 82 % 0a % 20cl f % 3b % 0a % 20fs % 20 % E6 % 97 % B6 % e9 % 97 % B4 % E5 % ba % 8f % E5 % 88 % 97 % 0a % 20x % 3d 0.5 % 20a1% E5 % 8f % B7 % 0a % 20y % 3d fff 82 % E5 % be % 97 Fourier % E5 % 8f % 98 % E6 % 8d % a2 % E5 % 90 % E7 % 84 % E6 % 8c % 2088 % 97 % 0a % 20 subplot % 282 % 20x标签% 28 % 27 % e9 % a2 % 91 % E7 % 87 %2fhz % 27 % 29 % 3b % 0a % 20 ylabel % 28 % 27 % E6 % 87c % af % E5 % 202 % 0 % 25 % E7 % bb % 98 % ee % 20 % 91 % E7 % 8e % 87 % E5 % 8f % 98 % E5 % 8c % 96 % E7 % 84 % E6 % 8c % af % E5 % B9 % 85 29 % 3b grid % 20on % 3b % 0a % 20 % E5 % af % B9 % E4 % BF % a1 % E5 % 8f % B7 % e9 % 204 % E7 % 90 % 86 % 0a % 20fs % 3d 0bf % a1 % E5 % 8f % B7 % 0a % 20y % 3d FFT % 28x % 29 % 3b % 20 % E5 % af % B9 % E4 % BF % a1 % E5 % 8f % B7 % E8 % 25 % % af % E5 % 20ag % 29 % 3b % 20 % E7 % bb % 98 % E5 % 87 % ba % e9 % 8f % e9 % a2 % 91 % 8e % 87 % E5 % 8f % 98 % E5 % 8c 27 % 29 % 3b grid % 20on % 20ag % 281: n %2F2 % 29 % 29 % 3b % 20 % E7 % bb % 98 % E5 % 87 % ba Nyquist % e9 % a2 % 91 % E7 7 %2fhz % 27 % 29 % 3b % 0a % 28 % 27 % 20 % 20 % E8 % E8 % a1 % 8c % E7 % bb % 93 % E6 % 9c % ef % BC % 9a % 20fs ST % e9 % a2 % E7 % 87 % E4 % b8 % E5 % 25 % 20b % a5 % E6 % 98 % E6 % be8 % af % 86 % E5 % 88 % ab % E5 % 87 % ba % E4 %
0:N-1)*fs/N; %真实频率subplot(2,2,1),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅
xlabel('频率/Hz');ylabel('振幅');
title('Ndata=32 Nfft=32');grid on;
Ndata=32; %数据个数
N=128; %FFT采用的数据长度
n=0:Ndata-1;t=n/fs; %时间序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,N);
mag=abs(y);
f=(0:N-1)*fs/N; %真实频率
subplot(2,2,2),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅
xlabel('频率/Hz');ylabel('振幅');
title('Ndata=32 Nfft=128');grid on;
Ndata=136; %数据个数
N=128; %FFT采用的数据个数
n=0:Ndata-1;t=n/fs; %时间序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,N);
mag=abs(y);
f=(0:N-1)*fs/N; %真实频率
subplot(2,2,3),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅
xlabel('频率/Hz');ylabel('振幅');
title('Ndata=136 Nfft=128');grid on;
Ndata=136; %数据个数
N=512; %FFT所用的数据个数
n=0:Ndata-1;t=n/fs; %时间序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,N);
mag=abs(y);
f=(0:N-1)*fs/N; %真实频率
subplot(2,2,4),plot(f(1:N/2),mag(1:N/2)*2/N); %绘出Nyquist频率之前的振幅
xlabel('频率/Hz');ylabel('振幅');
title('Ndata=136 Nfft=512');grid on;
结论：
（1）当数据个数和FFT采用的数据个数均为32时，频率分辨率较低，但没有由于添零而导致的其他频率成分。
（2）由于在时间域内信号加零，致使振幅谱中出现很多其他成分，这是加零造成的。其振幅由于加了多个零而明显减小。
（3）FFT程序将数据截断，这时分辨率较高。
（4）也是在数据的末尾补零，但由于含有信号的数据个数足够多，FFT振幅谱也基本不受影响。
对信号进行频谱分析时，数据样本应有足够的长度，一般FFT程序中所用数据点数与原含有信号数据点数相同，这样的频谱图具有较高的质量，可减小因补零或截断而产生的影响。
例3：x=cos(2*pi*0.24*n)+cos(2*pi*0.26*n)
（1）数据点过少，几乎无法看出有关信号频谱的详细信息；
（2）中间的图是将x(n)补90个零，幅度频谱的数据相当密，称为高密度频谱图。但从图中很难看出信号的频谱成分。
（3）信号的有效数据很长，可以清楚地看出信号的频率成分，一个是0.24Hz，一个是0.26Hz，称为高分辨率频谱。
可见，采样数据过少，运用FFT变换不能分辨出其中的频率成分。添加零后可增加频谱中的数据个数，谱的密度增高了，但仍不能分辨其中的频率成分，即谱的分辨率没有提高。只有数据点数足够多时才能分辨其中的频率成分。