傅立叶变换其实只是众多数学变化之一,但也是应用最广泛的一种。 其本质是将一个周期函数分解为一系列正交函数的例如sin和cos函数的线性集合。 在计算机处理中需要将其离散化,对DFT算法进行编程。 继电保护APP应用包括半周期DFT、全周期DFT、递归DFT算法等。 需要在进行DFT之前在物理上对采样频率一半以上的高频信号进行滤波,在数字上利用数字滤波器对其他高频噪声进行滤波,以防止频率混叠。
所述傅立叶变换为整个时域中的变换,而DFT截断它对应于乘以矩形窗函数,且时域中的乘积对应于频域中的卷积,且即使向上舍入也依然不变。 因此,频谱泄漏和阮珊效应是不可避免的。 另外,在电力系统中,由于周期总是在工频附近波动,任何周期都不能进行正好整数倍的采样,频谱泄漏和栏珊效应进一步恶化。
快速傅立叶变换将时域难以处理的信号转换为易于处理的频域信号,分析完成后进行快速傅立叶逆变换即可得到原始时域信号。 需要注意的是,FFT算法对已经测量的数字序列进行了处理,是DFT的快速算法,通过蝶形运算利用正交函数特性大大提高了运算速度; 递归DFT算法在每次测量点时计算。 备选地,可以理解为FFT是离线公式的计算,递归DFT是在线公式。 在网上搜索,把有用的信息放在这里,学习。
* * * * * * * * * * * * * * * * * * * * * * * * * * * * *
% FFT实践和光谱分析%
* * * * * * * * * * * * * * * * * * * * * * * * * * * * *
***********1.正弦波* * * * * * * * * * * * * * * * * * * * * * %
fs=100; 设置%采样频率
N=128;
n=0:N-1;
t=n/fs;
f0=10; 设定%正弦波信号的频率
x=sin(2*pi*F0*T ); 生成%正弦信号
figure(1;
辅助打印(231;
plot(t,x ); %正弦波信号时域波形
xlabel('t );
ylabel(y );
title (正弦信号y=2*pi*10t时域波形);
网格;
进行FFT变换,制作频谱图
y=FFT(x,n ); 进行fft变换
mag=ABS(y; 求出%振幅
f=(03360长度(y )-1 ) ) fs /长度(y ); 进行与%对应的频率转换
figure(1;
subplot(232;
打印(f,mag ); 创建%光谱图
axis ([ 0,100,0,80 ];
xlabel ('频率) Hz ) );
振幅;
title (正弦信号y=2*pi*10t宽度频谱N=128 );
网格;
求%均方根谱
sq=ABS(y;
figure(1;
subplot(233;
plot(f,sq );
xlabel ('频率) Hz ) );
ylabel (均方根光谱);
title (正弦信号y=2*pi*10t均方根频谱);
网格;
求出%功率谱
power=sq.^2;
figure(1;
subplot(234;
打印(f,电源);
xlabel ('频率) Hz ) );
ylabel ('功率谱);
title (正弦信号y=2*pi*10t功率谱);
网格;
求%对数谱
ln=log(sq;
figure(1;
辅助打印(235;
plot(f,ln );
xlabel ('频率) Hz ) );
ylabel (对数谱);
title (正弦信号y=2*pi*10t对数频谱);
网格;
用IFFT恢复原始信号
XIFFT=IFFT(y;
magx=real(XiFFT;
ti=[ 0:长度(Xi FFT )-1]/fs;
figure(1;
subplot(236;
打印(ti,magx );
xlabel('t );
ylabel(y );
title (用IFFT变换的正弦信号波形) );
网格;