如何使用fft函数进行编程序和进行快速傅里叶逆变换

在图象处理的广泛应用领域中，傅立叶变换起着非常重要的作用，具体表现在包括图象分析、图象增强及图象压缩等方面。

fftshift的作用正是让正半轴部分和负半轴部分的图像分别关于各自的中心对称。因为直接用fft得出的数据与频率不是对应的，fftshift可以纠正过来。

假设f（x,y）是一个离散空间中的二维函数，则该函数的二维傅立叶变换的定义如下：

p=0,1…M-1 q=0,1…N-1 (1)

或 p=0,1…M-1 q=0,1…N-1 （2）

离散傅立叶反变换的定义如下：

m=0,1…M-1 n=0,1…N-1（3）

F（p,q）称为f（m,n）的离散傅立叶变换系数。这个式子表明，函数f（m,n）可以用无数个不同频率的复指数信号和表示，而在频率（w1，w2）处的复指数信号的幅度和相位是F（w1，w2）。

2、MATLAB提供的快速傅立叶变换函数

（1）fft2

fft2函数用于计算二维快速傅立叶变换，其语法格式为：

B = fft2(I)

B = fft2(I)返回图象I的二维fft变换矩阵，输入图象I和输出图象B大小相同。

例如，计算图象的二维傅立叶变换，并显示其幅值的结果，如图所示，其命令格式如下

load imdemos saturn2

imshow(saturn2)

B = fftshift(fft2(saturn2));

imshow(log(abs(B)),[],'notruesize')

（2）fftshift

MATLAB提供的fftshift函数用于将变换后的图象频谱中心从矩阵的原点移到矩阵的中心，其语法格式为：

B = fftshift(I)

对于矩阵I，B = fftshift(I)将I的一、三象限和二、四象限进行互换。

（2）ifft2

ifft2函数用于计算图象的二维傅立叶反变换，其语法格式为：

B = ifft2(I)

B = ifft2(A)返回图象I的二维傅立叶反变换矩阵，输入图象I和输出图象B大小相同。其语法格式含义与fft2函数的语法格式相同，可以参考fft2函数的说明。

如果信号是二维的，用上面的函数即可！直接调用。

如果信号是一维的，给你下面的例子，你应该能明白！

clear

fs=100;N=128; %采样频率和数据点数

n=0:N-1;t=n/fs; %时间序列

x=05sin(2pi15t)+2sin(2pi40t); %信号

y=fft(x,N); %对信号进行快速Fourier变换，逆变换函数为ifft

mag=abs(y); %求得Fourier变换后的振幅

f=nfs/N; %频率序列

subplot(2,2,1),plot(f,mag); %绘出随频率变化的振幅

xlabel('频率/Hz');

ylabel('振幅');title('N=128');grid on;

subplot(2,2,2),plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅

xlabel('频率/Hz');

ylabel('振幅');title('N=128');grid on;

%对信号采样数据为1024点的处理

fs=100;N=1024;n=0:N-1;t=n/fs;

x=05sin(2pi15t)+2sin(2pi40t); %信号

y=fft(x,N); %对信号进行快速Fourier变换

mag=abs(y); %求取Fourier变换的振幅

f=nfs/N;

subplot(2,2,3),plot(f,mag); %绘出随频率变化的振幅

xlabel('频率/Hz');

ylabel('振幅');title('N=1024');grid on;

subplot(2,2,4)

plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅

xlabel('频率/Hz');

ylabel('振幅');title('N=1024');grid on;

FFT算法实现因为PIC16F877片内有高达368×8位（相当于184×16位）的数据存储器（RAM），故用片内RAM最多可以完成64点FFT（16位实部和虚部数据）。现在仅实现16点FFT，主要是起抛砖引玉的作用。这里的FFT是按频率抽取的。在调用FFT子程序前，输入数据按正常次序输入，而输出数据是经FFT变换整序处理后输出。原始数据被变换后的数据覆盖存放在RAM中，这是通过分解序列实现的；然而分解序列将引起DFT的项序混乱，所以在变换结束，所有的数据需要进行“整序”,以恢复DFT的正常次序。某些应用可以不进行整序；因而整序程序编成子程序形式，当需要时随时可以调用。输入数据为32位，前为16位实部，后为16位虚部，中间结果为32位；输出数据也是前为实部，后为虚部。这样计算的结果具有相当高的精度。

DFT，即可测试性设计（Design for Testability, DFT）是一种集成电路设计技术，它将一些特殊结构在设计阶段植入电路，以便设计完成后进行测试。电路测试有时并不容易，这是因为电路的许多内部节点信号在外部难以控制和观测。通过添加可测试性设计结构，例如扫描链等，内部信号可以暴露给电路外部。总之，在设计阶段添加这些结构虽然增加了电路的复杂程度，看似增加了成本，但是往往能够在测试阶段节约更多的时间和金钱。

IDFT就是Inverse Discrete Fourier Transform 离散傅里叶逆变换。FFT就是Fast Fourier Transform 快速傅里叶变换。

两者的应用都是将时域中难以处理的信号转换成易于处理的频域信号，分析完成后进行傅里叶反变换即得到原始的时域信号。

两者的异同是：我们知道在数学上用级数来无限逼进某个函数，以便简化计算过程而又不致使误差过大，这样工程上才能应用，否则一些数学模型是无法实现快速求解的。

IDFT：对于有限长的序列我们可以使用离散傅立叶变换，IDFT是对序列傅立叶变换的等距采样。

FFT：并不是与IDFT不相同的另一种变换（即原理是一样的），而是为了减少IDFT运算次数的一种快速算法。它是对IDFT变换式进行一次次的分解，使其成为若干小点数IDFT的组合，从而减小运算量。常用的FFT是以2为基数，它的运算效率高，程序比较简单，使用也十分地方便。

IFFT——Inverse Fast Fourier Transform 快速傅里叶逆变换。

快速傅里叶变换 (fast Fourier transform), 即利用计算机计算离散傅里叶变换（DFT)的高效、快速计算方法的统称，简称FFT。快速傅里叶变换是1965年由JW库利和TW图基提出的。采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省就越显著。

以上就是关于如何使用fft函数进行编程序和进行快速傅里叶逆变换全部的内容，包括:如何使用fft函数进行编程序和进行快速傅里叶逆变换、FFT运算，在信号处理中是怎样运用的啊、“DFT、IDFT、FFT、IFFT”各是什么等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！