1樓：anyway中國
就是訊號的頻率成分分布。前提是取樣率及抽樣率符合那奎斯特取樣頻率。
若不符合，頻譜發生混疊，抽樣訊號的頻譜中所含頻率成分將不能真實實際訊號。
2樓：燕大師團
將原始訊號頻譜以取樣角頻率為週期進行頻譜搬移
3樓：匿名使用者
包含1，原始訊號頻率；
2.抽樣時鐘的頻率；
2.原始訊號與抽樣時鐘頻率的像加減
調幅訊號含有哪些頻率成分？
4樓：anyway中國
假設載波頻率為f0，調製訊號頻率為f1，那麼，調幅訊號的頻率成分包含f0±f1兩種頻率成分。
5樓：在河之洲的人
對於普通調幅，從頻域來講即載波頻率、載波頻率與調製訊號頻率的和、載波頻率與調製訊號頻率的差。後兩者是邊頻，包含了所需要的資訊。
6樓：匿名使用者
載波fc,被調製訊號f，調製後的訊號中有三個頻率成分，fc，fc-f,fc+f
7樓：匿名使用者
訊號頻率，載波頻率，兩頻率的和頻，兩頻率的差頻。
8樓：匿名使用者
就是訊號頻率及高頻訊號，其中高頻訊號是傳輸訊號的工具
9樓：乘正貳卉
調幅波的典型頻譜：以載波為中心，兩邊對稱的上下邊帶（調製訊號）。
所以有：載波700mhz，和頻700mhz＋1khz，差頻700mhz－1khz。
matlab中進行fft譜分析，如何將頻譜圖的橫座標轉換成頻率？
10樓：匿名使用者
[x,fs,bite]=wavread('c:\windows\media\windows xp 啟動.wav',[1000 1499]);
z=x(:,1);
y=fft(z);
y=fftshift(x);
sound(x,fs,bite);
subplot(2,1,1);plot(abs(y));
將零頻分量移至頻譜中心的函式
格式：y=fftshift(x)
功能：用來重新排列x=fft(x)的輸出，把x 的左右兩半進行交換，從而將零頻分量移至頻譜中心。
11樓：楊好巨蟹座
一.呼叫方法
x=fft(x)；
x=fft(x，n)；
x=ifft(x);
x=ifft(x,n)
用matlab進行譜分析時注意：
（1）函式fft返回值的資料結構具有對稱性。
例：n=8;
n=0:n-1;
xn=[4 3 2 6 7 8 9 0];
xk=fft(xn)
→xk =
39.0000 -10.7782 + 6.
2929i 0 - 5.0000i 4.7782 - 7.
7071i 5.0000 4.7782 + 7.
7071i 0 + 5.0000i -10.7782 - 6.
2929i
xk與xn的維數相同，共有8個元素。xk的第乙個數對應於直流分量，即頻率值為0。
（2）做fft分析時，幅值大小與fft選擇的點數有關，但不影響分析結果。在ifft時已經做了處理。要得到真實的振幅值的大小，只要將得到的變換後結果乘以2除以n即可。
二.fft應用舉例
例1：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。取樣頻率fs=100hz，分別繪製n=128、1024點幅頻圖。
clf;
fs=100;n=128; %取樣頻率和資料點數
n=0:n-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號
y=fft(x,n); %對訊號進行快速fourier變換
mag=abs(y); %求得fourier變換後的振幅
f=n*fs/n; %頻率序列
subplot(2,2,1),plot(f,mag); %繪出隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=128');grid on;
subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=128');grid on;
%對訊號取樣資料為1024點的處理
fs=100;n=1024;n=0:n-1;t=n/fs;
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號
y=fft(x,n); %對訊號進行快速fourier變換
mag=abs(y); %求取fourier變換的振幅
f=n*fs/n;
subplot(2,2,3),plot(f,mag); %繪出隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=1024');grid on;
subplot(2,2,4)
plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=1024');grid on;
執行結果：
fs=100hz，nyquist頻率為fs/2=50hz。整個頻譜圖是以nyquist頻率為對稱軸的。並且可以明顯識別出訊號中含有兩種頻率成分：
15hz和40hz。由此可以知道fft變換資料的對稱性。因此用fft對訊號做譜分析，只需考察0~nyquist頻率範圍內的福頻特性。
若沒有給出取樣頻率和取樣間隔，則分析通常對歸一化頻率0~1進行。另外，振幅的大小與所用取樣點數有關，採用128點和1024點的相同頻率的振幅是有不同的表現值，但在同一幅圖中，40hz與15hz振動幅值之比均為4：1，與真實振幅0.
5：2是一致的。為了與真實振幅對應，需要將變換後結果乘以2除以n。
例2：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t),fs=100hz,繪製：
（1）資料個數n=32，fft所用的取樣點數nfft=32；
（2）n=32，nfft=128；
（3）n=136，nfft=128；
（4）n=136，nfft=512。
clf;fs=100; %取樣頻率
ndata=32; %資料長度
n=32; �t的資料長度
n=0:ndata-1;t=n/fs; %資料對應的時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %時間域訊號
y=fft(x,n); %訊號的fourier變換
mag=abs(y); %求取振幅
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,1),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=32 nfft=32');grid on;
ndata=32; %資料個數
n=128; %t採用的資料長度
n=0:ndata-1;t=n/fs; %時間序列
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; %真實頻率
subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=32 nfft=128');grid on;
ndata=136; %資料個數
n=128; �t採用的資料個數
n=0:ndata-1;t=n/fs; %時間序列
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; %真實頻率
subplot(2,2,3),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=136 nfft=128');grid on;
ndata=136; %資料個數
n=512; �t所用的資料個數
n=0:ndata-1;t=n/fs; %時間序列
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; %真實頻率
subplot(2,2,4),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=136 nfft=512');grid on;
結論：（1）當資料個數和fft採用的資料個數均為32時，頻率解析度較低，但沒有由於添零而導致的其他頻率成分。
（2）由於在時間域內訊號加零，致使振幅譜中出現很多其他成分，這是加零造成的。其振幅由於加了多個零而明顯減小。
（3）fft程式將資料截斷，這時解析度較高。
（4）也是在資料的末尾補零，但由於含有訊號的資料個數足夠多，fft振幅譜也基本不受影響。
對訊號進行頻譜分析時，資料樣本應有足夠的長度，一般fft程式中所用資料點數與原含有訊號資料點數相同，這樣的頻譜圖具有較高的質量，可減小因補零或截斷而產生的影響。
例3：x=cos(2*pi*0.24*n)+cos(2*pi*0.26*n)
（1）資料點過少，幾乎無法看出有關訊號頻譜的詳細資訊；
（2）中間的圖是將x(n)補90個零，幅度頻譜的資料相當密，稱為高密度頻譜圖。但從圖中很難看出訊號的頻譜成分。
（3）訊號的有效資料很長，可以清楚地看出訊號的頻率成分，乙個是0.24hz，乙個是0.26hz，稱為高解析度頻譜。
可見，取樣資料過少，運用fft變換不能分辨出其中的頻率成分。新增零後可增加頻譜中的資料個數，譜的密度增高了，但仍不能分辨其中的頻率成分，即譜的解析度沒有提高。只有資料點數足夠多時才能分辨其中的頻率成分。
模擬訊號的頻譜對其經過抽樣後得到的數碼訊號的頻譜有何區別
原有模擬訊號的頻譜只在0到fh 訊號的最高頻率 之間，抽樣後的頻譜則有很多，分別分布在取樣頻率各次諧波的兩側。抽樣訊號與數碼訊號的區別，怎麼從圖能直觀的看出來？數碼訊號是抽樣 訊號進行量化然後模數轉換後的結果，比方說我現在按照捨入的策略進行量化，抽樣得一串串行為 1.2，1.3，2.7，2.3，3....
實偶訊號 實奇訊號的頻譜又有何特點
有三個特點 離散性，諧波性，收斂性 1 負頻率是有明確物理意義的，絕大多數學校教課書都是沒有寫明。2.首先確認頻率是什麼？在單位圓座標軸上，頻率就是單位時間內，旋轉的週期數。擴充套件資料 頻譜是頻率譜密度的簡稱，是頻率的分布曲線。複雜振盪分解為振幅不同和頻率不同的諧振蕩，這些諧振蕩的幅值按頻率排列的...
訊號與系統裡的頻譜圖是怎樣畫的,訊號與系統中的波形圖和頻譜圖有區別麼
頻譜圖有兩塊，一塊是幅度跟w的關係，另一塊是相位fai跟頻率的關係，前者只要求模就可以算出函式從而畫圖，後者用虛部除以實部，然後求arctan可以算出函式，再把函式畫圖即可 頻譜圖有兩塊，一塊是幅度跟w的關係，另一塊是相位fai跟頻率的關係，前者只要求模就可以算出函式從而畫圖，後者用虛部除以實部，然...