频谱分析可以将一种复杂的信号分解为较简单的信号，找出一个信号在不同频率下的信息。频谱是指一个时域的信号在频域下的表示方式，通过对信号进行傅里叶变换得到“幅度频谱”和“相位频谱”。
刚开始我不是很理解频谱图是如何形成的，后来理解了之后觉得下面这幅图可以帮助诚心的秀发理解了。一个信号可以分解为不同频率的正弦波，从正面看我们看到的是它的时域波形图，从侧面看横坐标就变成了频率，即为频谱图，可以看到信号是由哪些频率合成。
画一个信号的频谱图，需要有采样频率fs，根据奈归斯特定理：采样频率要大于等于信号最高频率的两倍，不然会发生频谱混叠。还需要采样点数N。假定已有一个信号x，对信号进行傅里叶变换，N个采样点经过傅里叶变换就是N个复数，每个复数对应一个频率值以及该频率信号的幅值和相位。第一个点对应的频率为0hz，为直流分量DC。某点n所表示的频率为：fn=(n-1)*fs/N，该点的模值除以N/2就是对应该频率下的信号的幅值（对于直流信号除以N），fn所能分辨到的频率为fs/N；比如fs=1000HZ，N=1000，则能分辨到的频率为1HZ，采样时间为1s，采样时间和频率分辨率为倒数关系，要提高频率分辨率就必须增加采样点数。该频率下信号的相位可以用函数atan2（b，a）计算。
这里我的数据比较大且集中，所以画出来不明显
i=imread('lena512.bmp');a=imnoise(i,'gaussian',0.05);[m,n]=size(a);f1=fft(a,[],2); %傅里叶变换f1_mean=sum(f1)/m;N=512;n=0:N-1;fs=1000;f=n*fs/N; %横坐标变换figure;plot(f,abs(f1_mean))
如果使用fftshift函数进行处理后画频谱图会好看一点，它会对频谱进行搬移，将零频分量搬移到频谱中心。