图像傅里叶变换的频谱特征 三

 

6，平移和旋转

图像的平移并不会影响图像的频谱，同时，图像的相位会随着图像的旋转而旋转。



 

Part I 平移和旋转对频谱的影响

下面我用矩形的频谱图来说明图像中矩形的平移并不会对频谱有丝毫的影响。



 

Matlab代码：

 

clear all
close all
%% Author: J27
% Jesus love you!

Isize = 512;
Rwidth = 50;
Rlength = 3*Rwidth;

Irect = zeros(Isize);
Irect(floor((Isize - Rlength)/2) + 1:floor((Isize - Rlength)/2) + Rlength,...
     (floor(Isize - Rwidth)/2) + 1:floor((Isize - Rwidth)/2) + Rwidth) = 1;
 
subplot(3,1,1)
imshowpair(Irect,log(abs(fftshift(fft2(Irect)))+1),'montage')

Irect = zeros(Isize);
Irect(floor((Isize - Rlength)/2) + 150 + 1:floor((Isize - Rlength)/2) + 150 + Rlength,...
     (floor(Isize - Rwidth)/2) + 1 + 200:floor((Isize - Rwidth)/2) + Rwidth + 200) = 1;
 
subplot(3,1,2)
imshowpair(Irect,log(abs(fftshift(fft2(Irect)))+1),'montage')

Irect = zeros(Isize);
Irect(floor((Isize - Rlength)/2) + 1:floor((Isize - Rlength)/2) + Rlength,...
     (floor(Isize - Rwidth)/2) + 1 - 80:floor((Isize - Rwidth)/2) + Rwidth - 80) = 1;
 
subplot(3,1,3)
imshowpair(Irect,log(abs(fftshift(fft2(Irect)))+1),'montage')

 

再比如下面这个例子：



 

再来看看频谱随着矩形的旋转而旋转相同的角度。



Matlab代码：

Isize = 512;
Rwidth = 50;
Rlength = 3*Rwidth;
Irect = zeros(Isize);

Irect(floor((Isize - Rlength)/2) + 1:floor((Isize - Rlength)/2) + Rlength,...
     (floor(Isize - Rwidth)/2) + 1:floor((Isize - Rwidth)/2) + Rwidth) = 1;

Irot = imrotate(Irect, 15, 'crop', 'bilinear');
subplot(3,1,1)
imshowpair(Irot,log(abs(fftshift(fft2(Irot)))+1),'montage')

Irect = zeros(Isize);
Irect(floor((Isize - Rlength)/2) + 1:floor((Isize - Rlength)/2) + Rlength,...
     (floor(Isize - Rwidth)/2) + 1:floor((Isize - Rwidth)/2) + Rwidth) = 1;
 
Irot = imrotate(Irect, 45, 'crop', 'bilinear');
subplot(3,1,2)
imshowpair(Irot,log(abs(fftshift(fft2(Irot)))+1),'montage')

Irect = zeros(Isize);
Irect(floor((Isize - Rlength)/2) + 1:floor((Isize - Rlength)/2) + Rlength,...
     (floor(Isize - Rwidth)/2) + 1:floor((Isize - Rwidth)/2) + Rwidth) = 1;
 
Irot = imrotate(Irect, 90, 'crop', 'bilinear');
subplot(3,1,3)
imshowpair(Irot,log(abs(fftshift(fft2(Irot)))+1),'montage')

 

 

Part II 平移和旋转对相位的影响

     先用一个简单的例子来说明图像相位的作用（所用图像为cameraman），在图像的频域分析和滤波中，相位是常常被忽略的。虽然相位分量的贡献很不直观，但是它恰恰很重要。相位是频谱中各正弦分量关于原点的位移的度量。



上面的小实验充分说明了，看似无用的，且常常被忽略的相位，在DFT的频域中起到了多么重要的作用（注意区分实部和虚部（直角坐标系）VS 频谱和相位（极坐标系）！）。

Matlab代码：

close all;
clear all;
I = im2double(imread('cameraman.tif'));
DFT = fft2(I);
absF = abs(DFT);
Phi = atan2(imag(DFT),real(DFT));
subplot(2,3,1);
imshow(I,[]);
title('Image(Cameraman)');
subplot(2,3,2);
imshow(log(fftshift(absF) + 1),[]);
title('Spectrum');
subplot(2,3,3);
imshow(fftshift(Phi),[]);
title('Phase');

F = absF.*exp(1j*Phi);
Rebuild = im2uint8(real(ifft2(F)));
subplot(2,3,4);
imshow(Rebuild,[]);
title('Rebuild with orginal specturm and phase');
% rebuild with spectrum only
F = absF.*exp(1j*1);
Rebuild = im2uint8(real(fftshift(ifft2(F))));
subplot(2,3,5);
imshow(Rebuild,[]);
title('Rebuild with spectrum only');
% rebuild with Phase only
g = 1.*exp(1j*Phi);
g = im2uint8(real(ifft2(g)));
subplot(2,3,6);
imshow(g,[]);
title('Rebuild with Phase only');

     接下来我们再来看看图像在空间域中的移位和旋转对相位有什么影响。下图中，左边一列是图像，中间一列是频谱，右边一列是相位图。你必须意识到，通过肉眼，你很难从相位图中得到什么有用的信息。



(上图中最后一行打错了，不是“旋转改变了相位”而是“平移改变了相位”)

Matlab代码：

clear all
close all
%% Author: J27
% Jesus love you!

% shifting and rotation
Isize = 512;
Rwidth = 50;
Rlength = 3*Rwidth;

Irect = zeros(Isize);
Irect(floor((Isize - Rlength)/2) + 1:floor((Isize - Rlength)/2) + Rlength,...
     (floor(Isize - Rwidth)/2) + 1:floor((Isize - Rwidth)/2) + Rwidth) = 1;
Idft = fft2(Irect);
subplot(3,3,1);
imshow(Irect);
subplot(3,3,2);
imshow(log(abs(fftshift(Idft))+1),[]);
subplot(3,3,3);
imshow((atan2(imag(Idft),real(Idft))),[]);

Irot = imrotate(Irect, 45, 'crop', 'bilinear');
Idft = fft2(Irot);
subplot(3,3,4);
imshow(Irot);
subplot(3,3,5);
imshow(log(abs(fftshift(Idft))+1),[]);
subplot(3,3,6);
imshow(atan2(imag(Idft),real(Idft)),[]);

Irect = zeros(Isize);
Irect(floor((Isize - Rlength)/2) + 150 + 1:floor((Isize - Rlength)/2) + 150 + Rlength,...
     (floor(Isize - Rwidth)/2) + 1 + 200:floor((Isize - Rwidth)/2) + Rwidth + 200) = 1;
Idft = fft2(Irect);
subplot(3,3,7);
imshow(Irect);
subplot(3,3,8);
imshow(log(abs(fftshift(Idft))+1),[]);
subplot(3,3,9);
imshow(atan2(imag(Idft),real(Idft)),[]);

 



Matlab代码：

I = im2double(imread('cameraman.tif'));
Idft = fft2(I);
figure;
subplot(2,3,1);
imshow(I,[]);
subplot(2,3,2);
imshow(log(abs(fftshift(Idft))+1),[]);
subplot(2,3,3);
imshow(atan2(imag(Idft),real(Idft)),[]);

Iswap = fftshift(I);
Idft = fft2(Iswap);
subplot(2,3,4);
imshow(Iswap,[]);
subplot(2,3,5);
imshow(log(abs(fftshift(Idft))+1),[]);
subplot(2,3,6);
imshow(atan2(imag(Idft),real(Idft)),[]);

                                                                                （全文完）

                                                                                 谢谢收看！

 

《圣经》约翰福音15章5节 ------ 我是葡萄树，你们是枝子；常在我里面的，我也常在他里面，这人就多结果子；因为离了我，你们就不能作什么。



                                                                                        *配图与本文无关*

打开任意图像，进行傅里叶变换，画出频谱图、相位谱图以及实现位移后的频谱图和相位谱图。

I=imread(‘D:\picture.jpg’);

I=rgb2gray(I);

subplot(3,2,1);

imshow(I);

title(‘原始图像’);

F=fft2(I);

S=abs(F);

subplot(3,2,2);

imshow(S,[]);

title(‘频谱图’);

Fc=fftshift(F);

subplot(3,2,3);

imshow(abs(Fc),[]);

title(‘移频后’);

s2=log(1+abs(Fc));

subplot(3,2,4);

imshow(s2,[]);

title(‘log增强后的频谱图’);

r=real(F);

i=imag(F);

s1=log(1+abs(F));

phase=angle(F)*180/pi;

subplot(3,2,5); I=imread(‘D:\picture.jpg’);

I=rgb2gray(I);

subplot(3,2,1);

imshow(I);

title(‘原始图像’);

F=fft2(I);

S=abs(F);

subplot(3,2,2);

imshow(S,[]);

title(‘频谱图’);

Fc=fftshift(F);

subplot(3,2,3);

imshow(abs(Fc),[]);

title(‘移频后’);

s2=log(1+abs(Fc));

subplot(3,2,4);

imshow(s2,[]);

title(‘log增强后的频谱图’);

r=real(F);

i=imag(F);

s1=log(1+abs(F));

phase=angle(F)*180/pi;

subplot(3,2,5);

imshow(phase,[]);

title(‘相位谱图’);

r1=real(Fc);

i1=imag(Fc);

phase2=angle(Fc)*180/pi;

subplot(3,2,6);

imshow(phase2);

title(‘位移后相位谱图’);

imshow(phase,[]);

title(‘相位谱图’);

r1=real(Fc);

i1=imag(Fc);

phase2=angle(Fc)*180/pi;

subplot(3,2,6);

imshow(phase2);

title(‘位移后相位谱图’);


欢迎使用Markdown编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

全新的界面设计 ，将会带来全新的写作体验；
在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
全新的 KaTeX数学公式 语法；
增加了支持甘特图的mermaid语法 功能；
增加了 多屏幕编辑 Markdown文章功能；
增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
增加了 检查列表 功能。

功能快捷键
撤销：Ctrl/Command + Z

重做：Ctrl/Command + Y

加粗：Ctrl/Command + B

斜体：Ctrl/Command + I

标题：Ctrl/Command + Shift + H

无序列表：Ctrl/Command + Shift + U

有序列表：Ctrl/Command + Shift + O

检查列表：Ctrl/Command + Shift + C

插入代码：Ctrl/Command + Shift + K

插入链接：Ctrl/Command + Shift + L

插入图片：Ctrl/Command + Shift + G
合理的创建标题，有助于目录的生成
直接输入1次#，并按下space后，将生成1级标题。

输入2次#，并按下space后，将生成2级标题。

以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。
如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本

引用文本

H2O is是液体。
210 运算结果是 1024.
插入链接与图片
链接: link.
图片: 
带尺寸的图片: 
居中的图片: 
居中并且带尺寸的图片: 
当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。
如何插入一段漂亮的代码片
去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.
// An highlighted block
var foo = 'bar';

生成一个适合你的列表

项目

项目

项目






项目1
项目2
项目3


 计划任务
 完成任务

创建一个表格
一个简单的表格是这么创建的：




项目
Value




电脑
$1600


手机
$12


导管
$1


设定内容居中、居左、居右
使用:---------:居中

使用:----------居左

使用----------:居右




第一列
第二列
第三列




第一列文本居中
第二列文本居右
第三列文本居左


SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：




TYPE
ASCII
HTML




Single backticks
'Isn't this fun?'
‘Isn’t this fun?’


Quotes
"Isn't this fun?"
“Isn’t this fun?”


Dashes
-- is en-dash, --- is em-dash
– is en-dash, — is em-dash


创建一个自定义列表

Markdown
Text-to-HTML conversion tool
Authors
John
Luke

如何创建一个注脚
一个具有注脚的文本。
注释也是必不可少的
Markdown将文本转换为 HTML。
KaTeX数学公式
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 $\Gamma(n) = (n-1)!\quad\forall
n\in\mathbb N$ 是通过欧拉积分
$\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章


关于 甘特图 语法，参考 这儿,

UML 图表
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：:

这将产生一个流程图。:


关于 Mermaid 语法，参考 这儿,

FLowchart流程图
我们依旧会支持flowchart的流程图：


关于 Flowchart流程图 语法，参考 这儿.

导出与导入
导出
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。
导入
如果你想加载一篇你写过的.md文件或者.html文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，

继续你的创作。



mermaid语法说明 ↩︎

注脚的解释 ↩︎

周期信号的频谱 

　　为了能既方便又明白地表示一个信号在不同频率下的幅值和相位，可以采用成为频谱图的表示方法。 

　　在傅里叶分析中，把各个分量的幅度|Fn|或 Cn 随着频率nω1的变化称为信号的幅度谱。 

　　而把各个分量的相位 φn 随角频率 nω1 变化称为信号的相位谱。 

　　幅度谱和相位谱通称为信号的频谱。 

　　三角形式的傅里叶级数频率为非负的，对应的频谱一般称为单边谱；指数形式的傅里叶级数频率为整个实轴，所以称为双边谱。 

　　下面以周期信号函数作为示范，看看傅里叶级别函数应该怎么画相位谱和幅度谱 

　　周期函数： 

　　

　　　函数相应的分量幅度： 

最终傅里叶级数函数的单边图、双边图、相位谱、幅度谱，如下图所示： 

文章目录
1. 定义
2. 变换和处理
3. 函数
4. 实例演示
例1：单频正弦信号（整数周期采样）
例2：单频正弦信号（非整数周期采样）
例3：含有直流分量的单频正弦信号
例4：正弦复合信号
例5：含有随机干扰的正弦信号
例6：实际案例
5. 拓展
6. 联系作者

1. 定义
信号在频域能够呈现出时域不易发现的性质和规律，傅里叶变换是将信号从时域变换到频域，便于在频域对信号的特性进行分析。离散傅里叶变换 (DFT)，是傅里叶变换在时域和频域上的离散呈现形式，通俗的说就是将经过采样的有限长度时域离散采样序列变换为等长度的频域离散采样序列，通过对变换得到的频域采样序列进行适当的换算和处理，可以得到信号的频谱（频率-幅值曲线和频率-相位曲线）。

离散傅里叶变换 (DFT)的定义为：
$X(k) = {\rm{DFT}}[x(n)] = \sum\limits_{n = 0}^{N - 1} {x(n){e^{ - j\frac{{2\pi 
}}{N}nk}}}$, $0 \le k \le N-1$
式中，$x(n)$为时域离散采样序列（通常为实数序列），$N$为时域离散采样序列$x(n)$的长度，$X(k)$为频域离散采样序列（通常为复数序列）。
快速傅里叶变换（FFT）是离散傅里叶变换（DFT）的一种快速算法，FFT的计算结果与DFT完全相同，但FFT相对于DFT减小了计算量、节约计算资源消耗，能够适应在线计算，因此实际DFT都是通过FFT算法来求得结果。
2. 变换和处理
Matlab软件自带fft函数实现快速傅里变换算法，但是光使用fft并不能直接得到信号的频谱，还需要解决以下问题，下图为DFT变换后的X(k)复数序列幅值、相位图。

a)	幅值变换：$X(k)$序列的幅值大小与参与变换的时域序列x(n)长度N有关，变换后的幅值$|X(k)|$需要乘以$2/N$得到真实幅值；

b)	有效频率区域：$X(k)$序列由两部分共轭复数序列组成（复数共轭表示幅值相等、相位相反），相当于只有一半的复数序列是独立有效的，这部分复数序列对应$0 - f_s/2$的频率区域（$f_s$为时域离散采样序列$x(n)$的采样频率）。

c)	直流信号的处理：直流信号幅值（对应频率0Hz）为两部分共轭复数序列在频率0Hz处的加和，其真实幅值再乘以$2/N$后还需要再除以2得到真实的直流信号幅值。
3. 函数
初学的朋友若不理解上述变换和处理技巧，很难得到正确的频谱图。为此作者在fft函数的基础上，使用Matlab开发了函数DFT.m，通过函数来实现上述幅值变换、有效频率区域和直流信号的处理，能够直接分析出给定离散信号x(n)的幅值谱和相位谱，函数简单、易用、通用性好。
function [f,X_m,X_phi] = DFT(xn,ts,N,drawflag)
% [f,X_m,X_phi] = DFT(xn,ts,N,drawflag) 离散序列的快速傅里叶变换，时域转换为频域
% 输入  xn为离散序列 为向量  
%       ts为序列的采样时间/s
%       N为FFT变换的点数，默认为xn的长度  
%       drawflag为绘图标识位，取0时不绘图，其余非0值时绘图，默认为绘图
% 输出 f为频率向量
%      X_m为幅值向量
%      X_phi为相位向量，单位为°
% 注意计算出来的0频分量(直流分量应该除以2)  直流分量的符号应结合相位图来确定
% By ZFS@wust  2020
% 获取更多Matlab/Simulink原创资料和程序，清关注微信公众号：Matlab Fans

4. 实例演示
下面结合实例进行演示和分析。
例1：单频正弦信号（整数周期采样）
%% Eg 1 单频正弦信号
ts = 0.01;
t = 0:ts:1;
A = 1.5;       % 幅值  
f = 2;         % 频率
w = 2*pi*f;    % 角频率
phi = pi/3;    % 初始相位 
x = A*cos(w*t+phi);   % 时域信号
figure
plot(t,x)
xlabel('时间/s')
ylabel('时域信号x(t)')
% DFT变换将时域转换到频域,并绘制频谱图
[f,X_m,X_phi] = DFT(x,ts);

结果




正弦信号频率为2Hz，频谱分析频率为1.98Hz
正弦信号幅值为1.5，频谱分析幅值为1.495
正弦信号相位为60°，频谱分析相位为63.32°

例2：单频正弦信号（非整数周期采样）
%% Eg 2 单频正弦信号(非整数周期采样)
ts = 0.01;
t = 0:ts:1;
A = 1.5;       % 幅值  
f = 1.5;         % 频率
w = 2*pi*f;    % 角频率
phi = pi/3;    % 初始相位 
x = A*cos(w*t+phi);   % 时域信号
figure
plot(t,x)
xlabel('时间/s')
ylabel('时域信号x(t)')
% DFT变换将时域转换到频域,并绘制频谱图
[f,X_m,X_phi] = DFT(x,ts);

结果




正弦信号频率为1.5Hz，频谱分析频率为0.99Hz、1.98Hz
正弦信号幅值为1.5，频谱分析幅值为1.034、0.923
正弦信号相位为60°，频谱分析相位为160.93°、-33.76°

总结：DFT变换后频率序列的最小单位刻度为$f_s/N$（此例为1Hz），非整数周期采样时关心信号的频率（此例为1.5Hz）不是频率分辨率$f_s/N$的正整数倍，那这个频率成分信号会由前后两个正整数倍的频率成分信号（此例为1Hz和2Hz）的线性组合来替代，这就是频谱泄漏现象，非周期采样时某频率成分信号向两侧频率分辨率正整数倍的频点泄漏。实际频谱分析时并不清楚所关心的频率点精确值，避免此问题的一个解决方法是，取更多的点参加DFT，即时域序列$x(n)$长度$N$值取长一些，让频率分辨率$f_s/N$很小，以减小频谱泄漏现象。
%% Eg 2 单频正弦信号(非整数周期采样)
ts = 0.01;
t = 0:ts:1;
A = 1.5;       % 幅值  
f = 1.5;         % 频率
w = 2*pi*f;    % 角频率
phi = pi/3;    % 初始相位 
x = A*cos(w*t+phi);   % 时域信号
figure
plot(t,x)
xlabel('时间/s')
ylabel('时域信号x(t)')
% DFT变换将时域转换到频域,并绘制频谱图
[f,X_m,X_phi] = DFT(x,ts);

结果：频谱泄漏情况大为改善，采样点继续增多时，频谱泄漏会进一步减小。




正弦信号频率为1.5Hz，频谱分析频率主要成分为1.46Hz、
正弦信号幅值为1.5，频谱分析频率主要成分对应幅值为1.41
正弦信号相位为60°，频谱分析频率主要成分对应相位为89.5°

例3：含有直流分量的单频正弦信号
%% Eg 3 含有直流分量的单频正弦信号
ts = 0.01;
t = 0:ts:1;
A = 1.5;       % 幅值  
f = 5;         % 频率
w = 2*pi*f;    % 角频率
phi = pi/6;    % 初始相位 
x = 0.5 + A*cos(w*t+phi);   % 时域信号,带有直流偏移0.5
figure
plot(t,x)
xlabel('时间/s')
ylabel('时域信号x(t)')
% DFT变换将时域转换到频域,并绘制频谱图
[f,X_m,X_phi] = DFT(x,ts);

结果




正弦信号频率为5Hz，频谱分析频率为4.95Hz
正弦信号幅值为1.5，频谱分析幅值为1.498
正弦信号相位为30°，频谱分析相位为38.66°
正弦信号直流分量0.5，频谱分析直流分量为0.51

例4：正弦复合信号
%% Eg 4 正弦复合信号
ts = 0.01;
t = 0:ts:2;
A = [1.5 1 0.5 0.2];    % 幅值  
f = [3 6 9 15];         % 频率
w = 2*pi*f;             % 角频率
phi = (1:4)*pi/4;       % 初始相位 
x = -0.5 + A(1)*cos(w(1)*t+phi(1)) + A(2)*cos(w(2)*t+phi(2)) + A(3)*cos(w(3)*t+phi(3)) + A(4)*cos(w(4)*t+phi(4));     % 时域信号
figure
plot(t,x)
xlabel('时间/s')
ylabel('时域信号x(t)')
% DFT变换将时域转换到频域,并绘制频谱图
[f,X_m,X_phi] = DFT(x,ts);

结果：




正弦信号频率为3、6、9、15Hz，频谱分析频率为2.985、5.97、8.96、14.93Hz
正弦信号幅值为1.5、1、0.5、0.2，频谱分析幅值为1.499、0.989、0.485、0.192
正弦信号相位为45°、90°、135°、180°，频谱分析相位为50.6°、101.5°、152.9°、210°
正弦信号直流分量-0.5，频谱分析直流分量为-0.497

注意：频率为0Hz时对应的直流信号的幅值的正负号，是通过零频相位来确定的，相位为0°表示幅值为正，相位为180°表示幅值为负。
例5：含有随机干扰的正弦信号
%% Eg 5 含有随机干扰的正弦信号
ts = 0.01;
t = 0:ts:2;
A = [1 0.5];    % 幅值  
f = [3 10];         % 频率
w = 2*pi*f;             % 角频率
phi = (1:2)*pi/3;       % 初始相位 
x =  A(1)*cos(w(1)*t+phi(1)) + A(2)*cos(w(2)*t+phi(2)) + 0.8*(rand(size(t))-0.5);     % 时域信号
figure
plot(t,x)
xlabel('时间/s')
ylabel('时域信号x(t)')
% DFT变换将时域转换到频域,并绘制频谱图
[f,X_m,X_phi] = DFT(x,ts);

结果：




正弦信号频率为3、10Hz，频谱分析频率为2.985、9.95Hz
正弦信号幅值为1、0.5，频谱分析幅值为0.978、0.456
正弦信号相位为60°、135°，频谱分析相位为65.1°、139.8°

例6：实际案例
load data
ts = 0.001;
x = Jsd;
t = [0:length(x)-1]*ts;
figure
plot(t,x)
xlabel('时间/s')
ylabel('时域信号x(t)')
% DFT变换将时域转换到频域,并绘制频谱图
[f,X_m,X_phi] = DFT(x,ts);

结果：




频谱分析主要频率成分为18.996、37.992Hz
频谱分析主要频率成分对应幅值为1.741、1.117

该项目为作者在强振环境下测得加速度信号，加速度是机械结构周期运动激励产生，需要通过频谱分析获取机械结构周期运动的频率。由于噪声幅度远大于有效信号幅度，信号的信噪比很低，从时域上很难辨别机械结构周期运动的频率。但经过DFT后，从频域上可以看出信号的主要频率成分为19Hz和其倍频38Hz，可以判断机械结构周期运动的频率为19Hz，38Hz为结构响应的非线性特性所产生的倍频。
5. 拓展
工程上我们还会遇到这样的问题：获取了信号的频谱，希望从信号的频谱来恢复时域信号。这就涉及离散傅里叶逆变换问题，下一篇详谈。
6. 联系作者
有Matlab/Simulink方面的技术问题，欢迎发送邮件至944077462@qq.com讨论。

添加QQ:944077462，免费获取源程序。

更多Matlab/Simulink原创资料，欢迎关注微信公众号：Matlab Fans