1樓：anyway中國
與輸入資料有關，傅立葉視窗點數多少，輸出就是多少點。輸出資料實際有效的只有前1/2的資料，因為後1/2是前1/2的複製品。
此外，fft要求視窗點數為2的n次冪，若輸入點數不等於2^n，會在後面自動補零。
2樓：琴鳴千里
多少點fft就輸出多少個數
3樓：匿名使用者
點數的1/2，如1024點fft，輸出512條譜線。
matlab中函式fft的輸入量與輸出量各是什麼
4樓：飛龍在天
fs=1000;%對連續訊號進行量化處理，即對原始訊號進行取樣，這裡是取樣率，單位hz
ts=1/fs;%取樣間隔
t=0:ts:1.3;
x=sin(2*pi*50*t)+sin(2*pi*300*t);
%y=@(t) sin(2*pi*50*t)+sin(2*pi*300*t);
f=x+3.5*randn(1,length(t));
subplot(411);plot(t,f);
ylabel('幅值');xlabel('時間');title('原始訊號');
nfft= 2^nextpow2(length(f));%找出大於y的個數的最大的2的指數值
y=fft(f,nfft);%對f訊號進行dft，得到頻率的幅值分佈
p=y.*conj(y)/nfft;%conj()函式是求y函式的共軛複數，實數的共軛複數是他本身。
ff=fs*(0:nfft/2-1)/nfft;% f f t 變換後對應的頻率的序列
subplot(412);plot(ff,p(1:nfft/2));
ylabel('功率譜密度');xlabel('頻率');title('訊號功率譜');
%------論壇上看到的求fft的方法
subplot(413);plot(ff,abs(y(1:nfft/2)));%（用這個，先取點數後求模）
ylabel('幅值');xlabel('頻率');title('單邊幅頻譜');
%------matlab例子的求fft的方法
subplot(414);plot(ff,2*abs(y(1:nfft/2))/length(f));%（用這個，先取點數後求模）
ylabel('幅值');xlabel('頻率');title('單邊幅頻譜');
%振幅的大小與所用dft取樣點數(nfft)有關，採用不同的dft取樣點數對同一訊號，振幅是有不同的表現值
5樓：日向淳正
輸入是時域值，輸出量是頻域值．對應關係就是fft啊，呵呵
6樓：匿名使用者
輸入是時域序列，輸出量是頻域序列． 你用help fft看一下不就知道了！
如何決定要使用多少點來做fft
7樓：啥名字好呢呢呢
fft程式，輸入是一組複數，輸出也是一組複數，想問一下輸入到底應該輸入什麼，輸出的複數的含義是什麼？給定一組序列的抽樣值，如何用fft確定它的頻率？
首先，fft函式出來的應該是個複數，每一個點分實部虛部兩部分。假設採用1024點fft，取樣頻率是fs，那麼第一個點對應0頻率點，第512點對應的就是fs/2的頻率點。然後從頭開始找模值最大的那個點，其所對應的頻率值應該就是你要的基波頻率了。
fft是離散傅立葉變換的快速演算法，可以將一個訊號變換到頻域。有些訊號在時域上是很難看出什麼特徵的，但是如果變換到頻域之後，就很容易看出特徵了。這就是很多訊號分析採用fft變換的原因。
另外，fft可以將一個訊號的頻譜提取出來，這在頻譜分析方面也是經常用的。
雖然很多人都知道fft是什麼，可以用來做什麼，怎麼去做，但是卻不知道fft之後的結果是什麼意思、如何決定要使用多少點來做fft。一個模擬訊號，經過adc取樣之後，就變成了數字訊號。取樣定理告訴我們，取樣頻率要大於訊號頻率的兩倍，這些我就不在此羅嗦了。
取樣得到的數字訊號，就可以做fft變換了。n個取樣點，經過fft之後，就可以得到n個點的fft結果。為了方便進行fft運算，通常n取2的整數次方。
假設取樣頻率為fs，訊號頻率f，取樣點數為n。那麼fft之後結果就是一個為n點的複數。每一個點就對應著一個頻率點。
這個點的模值，就是該頻率值下的幅度特性。具體跟原始訊號的幅度有什麼關係呢？假設原始訊號的峰值為a，那麼fft的結果的每個點（除了第一個點直流分量之外）的模值就是a的n/2倍。
而第一個點就是直流分量，它的模值就是直流分量的n倍。而每個點的相位呢，就是在該頻率下的訊號的相位。第一個點表示直流分量（即0hz），而最後一個點n的再下一個點（實際上這個點是不存在的，這裡是假設的第n+1個點，可以看做是將第一個點分做兩半分，另一半移到最後）則表示取樣頻率fs，這中間被n-1個點平均分成n等份，每個點的頻率依次增加。
例如某點n所表示的頻率為：fn =(n-1)*fs/n。由上面的公式可以看出，fn所能分辨到頻率為 fs/n，如果取樣頻率fs為1024hz，取樣點數為1024點，則可以分辨到1hz。
1024hz的取樣率取樣1024點，剛好是1秒，也就是說，取樣1秒時間的訊號並做fft，則結果可以分析到1hz，如果取樣2秒時間的訊號並做fft，則結果可以分析到0.5hz。如果要提高頻率分辨力，則必須增加取樣點數，也即取樣時間。
頻率解析度和取樣時間是倒數關係。假設fft之後某點n用複數a+bi表示，那麼這個複數的模就是an=根號a*a+b*b，相位就是pn=atan2(b,a)。根據以上的結果，就可以計算出n點（n≠1，且n<=n/2）對應的訊號的表示式為：
an/(n/2)*cos(2*pi*fn*t+pn)，即2*an/n*cos(2*pi*fn*t+pn)。對於n=1點的訊號，是直流分量，幅度即為a1/n。由於fft結果的對稱性，通常我們只使用前半部分的結果，即小於取樣頻率一半的結果。
好了，說了半天，看著公式也暈，下面以一個實際的訊號來做說明。假設我們有一個訊號，它含有2v的直流分量，頻率為50hz、相位為-30度、幅度為3v的交流訊號，以及一個頻率為75hz、相位為90度、幅度為1.5v的交流訊號。
用數學表示式就是如下：
s=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)
式中cos引數為弧度，所以-30度和90度要分別換算成弧度。我們以256hz的取樣率對這個訊號進行取樣，總共取樣256點。按照我們上面的分析，fn=(n-1)*fs/n，我們可以知道，每兩個點之間的間距就是1hz，第n個點的頻率就是n-1。
我們的訊號有3個頻率：0hz、50hz、75hz，應該分別在第1個點、第51個點、第76個點上出現峰值，其它各點應該接近0。實際情況如何呢？
我們來看看fft的結果的模值如圖所示。
從圖中我們可以看到，在第1點、第51點、和第76點附近有比較大的值。我們分別將這三個點附近的資料拿上來細看：
1點： 512+0i
2點： -2.6195e-14 - 1.4162e-13i
3點： -2.8586e-14 - 1.1898e-13i
50點：-6.2076e-13 - 2.1713e-12i
51點：332.55 - 192i
52點：-1.6707e-12 - 1.5241e-12i
75點：-2.2199e-13 -1.0076e-12i
76點：3.4315e-12 + 192i
77點：-3.0263e-14 +7.5609e-13i
很明顯，1點、51點、76點的值都比較大，它附近的點值都很小，可以認為是0，即在那些頻率點上的訊號幅度為0。接著，我們來計算各點的幅度值。分別計算這三個點的模值，結果如下：
1點： 512
51點：384
76點：192
按照公式，可以計算出直流分量為：512/n=512/256=2；50hz訊號的幅度為：384/(n/2)=384/(256/2)=3；75hz訊號的幅度為192/(n/2)=192/(256/2)=1.
5。可見，從頻譜分析出來的幅度是正確的。然後再來計算相位資訊。
直流訊號沒有相位可言，不用管它。先計算50hz訊號的相位，atan2(-192, 332.55)=-0.
5236,結果是弧度，換算為角度就是180*(-0.5236)/pi=-30.0001。
再計算75hz訊號的相位，atan2(192, 3.4315e-12)=1.5708弧度，換算成角度180*1.
5708/pi=90.0002。可見，相位也是對的。
根據fft結果以及上面的分析計算，我們就可以寫出訊號的表示式了，它就是我們開始提供的訊號。
總結：假設取樣頻率為fs，取樣點數為n，做fft之後，某一點n（n從1開始）表示的頻率為：fn=(n-1)*fs/n；該點的模值除以n/2就是對應該頻率下的訊號的幅度（對於直流訊號是除以n）；該點的相位即是對應該頻率下的訊號的相位。
相位的計算可用函式atan2(b,a)計算。atan2(b,a)是求座標為(a,b)點的角度值，範圍從-pi到pi。要精確到xhz，則需要取樣長度為1/x秒的訊號，並做fft。
要提高頻率解析度，就需要增加取樣點數，這在一些實際的應用中是不現實的，需要在較短的時間內完成分析。解決這個問題的方法有頻率細分法，比較簡單的方法是取樣比較短時間的訊號，然後在後面補充一定數量的0，使其長度達到需要的點數，再做fft，這在一定程度上能夠提高頻率分辨力。
具體的頻率細分法可參考相關文獻。
附錄：本測試資料使用的matlab程式
close all; %先關閉所有**
adc=2; %直流分量幅度
a1=3; %頻率f1訊號的幅度
a2=1.5; %頻率f2訊號的幅度
f1=50; %訊號1頻率(hz)
f2=75; %訊號2頻率(hz)
fs=256; %取樣頻率(hz)
p1=-30; %訊號1相位(度)
p2=90; %訊號相位(度)
n=256; %取樣點數
t=[0:1/fs:n/fs]; %取樣時刻
%訊號s=adc+a1*cos(2*pi*f1*t+pi*p1/180)+a2*cos(2*pi*f2*t+pi*p2/180);
%顯示原始訊號
plot(s);
title('原始訊號');
figure;
y = fft(s,n); %做fft變換
ayy = (abs(y)); %取模
plot(ayy(1:n)); %顯示原始的fft模值結果
title('fft 模值');
figure;
ayy=ayy/(n/2); %換算成實際的幅度
ayy(1)=ayy(1)/2;
f=([1:n]-1)*fs/n; %換算成實際的頻率值
plot(f(1:n/2),ayy(1:n/2)); %顯示換算後的fft模值結果
title('幅度-頻率曲線圖');
figure;
pyy=[1:n/2];
for i="1:n/2"
pyy(i)=phase(y(i)); %計算相位
pyy(i)=pyy(i)*180/pi; %換算為角度
end;
plot(f(1:n/2),pyy(1:n/2)); %顯示相點陣圖
title('相位-頻率曲線圖');
1000 999 99881結果後面有多少個
這是求1000！中的10 的冪次。注意到10 2 5，而2的冪次顯然比5的冪次大。所以只需要求5的冪次。它是等於1000 5 1000 25 1000 125 1000 625 249 這裡表示高斯取整。注 對於一般的給定素數p，求n！中p的冪次的公式是 n p n p 2 n p 3 100 9 ...
6,8,10,80,他們有多少個數,這些數的總和是多少
這是一串有規律的數字 我們叫它數列 每兩個數之間差相等 所以它叫公差 綜合各種特點我們叫它等差數列 數列的每個數字被稱為項 如上 第一項是6 第二項是8 如此類推欲求該等差數列有多少個數 也就是項數 用 末項 首項 公差 1 就是求項數的公式 末項 首項 項數 2 就是求總和的公式這裡的首項和末項指...
在10 1000之間有多少個數是4的倍數
1000除以4等於250。10以內4的倍數兩個 4,個。1000以內有1000 4 1 249 個 10以內有10 4 2 個 2 10 1000之間有249 2 247 個 70至90之間有多少個自然數是五的倍數 有 只要末尾是0或5，都能被5整除，所以有 75 80 85，總共3個。在10 10...