对一组离散数据进行加窗FFT分析

有很多办法可以用.最简单的是histogram,就是直方图方法：每个数据点代表一个单位长方体,对每个数据点进行统计求和即可.这是KDE(kernelDensityestimation)方法的一个特例.

clc;clear%复化cotes公式求积分值%[a,b]为积分区间%n是等分区间份数load('C:\Users\baiyanglong\Desktop\n.mat')a=1000;

先画原始数据的散点图,散点大致呈线性分布,可以用y=ax+b方程来回归其次是在excel中根据系数计算公式计算,公式如下：利用excel进行计算,最后得出b=-41.2169  a

FFT结果是复数,求绝对值[实部平方+虚部平方再开方]就是幅度,相位就是虚部除以实部求反正切,注意实部=0的计算

离散度,应该就是可以用标准差来显示的每个数和平均数的差的平方相加再除以个数,最后开方.补充:那样算出来的不是方差吗?不过一样的拉,都可以用来显示离散度的,我们刚学过的.

监测真实数据本身就是离散的数据,工业中真实的数据都是离散的数据,一般是以秒取得的实时值

fft(y)再问：我不懂呀，能不能详细点，但是没学过FFT语句，课本上也没有。谢谢~再答：Y4=fft(y,Nn);%y为你要做FFT变化的数组，Nn为y的长度，得到的Y4就是y对应的频谱fre=ab

采样点数可以采用N=length(x);来取,x是采样数据；采样频率fs=1/Ts即采样时间的倒数,也就是你说的采样信号中两个数据点的时间间隔的倒数；采样频率一定时,采样点数越多越好,换种话说就是采样

x=load('data.dat');%load数据fs=10000;%采样频率,自己根据实际情况设置N=length(x);%x是待分析的数据n=1:N;%1-FFTX=fft(x);%FFTX=X

大于x的长度时就在x原数据后面补零,而补零不影响信号的分辨率,只是将频谱平滑处理,因为时域补零相当于频域插值；大于x的长度时就直接截取x数据中相应长度的元素.再问：小于x的长度的长度是怎样处理的呢？比

x=rand([2000,1]);%离散数字信号,当然你也带入你的数字信号fs=1024;%对应于离散数字信号的采样速率nfft=1024;%做fft的点数X=fftshift(fft(x,nfft)

采样是将连续信号变成离散信号.经过AD采样得到txt格式的数据已经是数字信号,傅里叶变换一般用FFT做,得到的是信号的频谱,横坐标的范围是-pi/2~pi/2再问：给出横坐标的表达方式好吗

傅里叶变换的本质的可能是不充分了解傅里叶变换的信号分离是无限的特定正弦/另外的复指数信号,即,该信号可变为一个正弦的形式的总和信号-因为它是一个无限的总和多个信号和非周期信号,每个信号的权重都为零-但

我明白你的意思,你的意思是说,根据傅里叶变换的性质,偶函数的傅里叶变换应该是只有实部的,但是fft出来的结果却还有虚数.对吧?其实,fft函数认为你给入的信号时从0时刻开始的.那么我们来想想你的输入是

看你的数据不多啊,我的建议还是把数据分段,然后写三个拟合函数这样呗

离散度,应该就是可以用标准差来显示的每个数和平均数的差的平方相加再除以个数,最后开方比如A组59.5744680961.9469026561.6438356260.3903121260.8500280

问题很浮躁

fft结果加abs（）吧,要不然是复数plot复数,是实部作x,虚部作y

哦这个比较简单,下面使用两种方法%bydynamic%2009.2.%%得到积分数据,这里的x我是随机生成的x=rand(1,1000);t=[1:1000]*(1/100);%%方法一trapz(t

这一列数据在A列的话在B1写公式=A1*79+2000然后向下复制