MATLAB FFT 频谱分析实战：3步解决纵坐标幅值不准与横坐标混叠问题

频谱分析是信号处理中的核心技能，而FFT（快速傅里叶变换）作为实现这一目标的利器，在MATLAB中的使用却常常让初学者感到困惑。本文将直击两大痛点——纵坐标幅值物理意义不清晰和横坐标频率混叠，提供可直接复用的解决方案。

1. 理解FFT输出的本质

FFT的输出结果包含复数，其模值代表信号在不同频率成分上的强度。但直接使用abs(fft(x))得到的幅值并不对应原始信号的物理幅值，需要经过特定校正。

关键校正因子：

• 对于N点FFT，单边频谱幅值校正公式为：

  P1 = abs(Y)/N * 2; % 多数频率成分 P1(1) = abs(Y(1))/N; % 直流分量 P1(end) = abs(Y(end))/N; % Nyquist频率

• 双边频谱则不需要乘以2

常见错误对照表：

提示：MATLAB的fft函数输出格式为Y(1)对应0Hz，Y(N/2+1)对应Nyquist频率，后续频率成分是前半部分的镜像。

2. 构建物理频率轴

频率轴生成错误是导致混叠问题的常见原因。正确的频率轴构建需要考虑采样定理：

Fs = 1000; % 采样频率(Hz) L = 1500; % 信号长度 f = (0:L-1)*Fs/L; % 完整频率轴 f = f(1:L/2+1); % 单边频谱频率轴

频率分辨率：

• 基本公式：df = Fs/L
• 提高分辨率的方法：
  1. 增加采样点数L（更长的信号）
  2. 降低采样频率Fs（可能引起混叠）

混叠识别与解决对照表：

3. 完整实战代码模板

以下是一个经过验证的MATLAB代码模板，包含幅值校正和频率轴生成：

%% 参数设置 Fs = 1000; % 采样频率(Hz) T = 1/Fs; % 采样间隔(s) L = 1500; % 信号长度 t = (0:L-1)*T; % 时间向量 %% 生成测试信号 f1 = 50; % 频率1(Hz) f2 = 120; % 频率2(Hz) A1 = 0.7; % 幅值1 A2 = 1; % 幅值2 x = A1*sin(2*pi*f1*t) + A2*sin(2*pi*f2*t); %% FFT计算 Y = fft(x); % 计算FFT %% 幅值校正 P2 = abs(Y/L); % 双侧频谱 P1 = P2(1:L/2+1); % 单边频谱 P1(2:end-1) = 2*P1(2:end-1); % 非直流/Nyquist点×2 %% 频率轴生成 f = Fs*(0:(L/2))/L; % 单边频谱频率轴 %% 结果可视化 figure subplot(2,1,1) plot(t,x) title('时域信号') xlabel('时间(s)') ylabel('幅值') subplot(2,1,2) plot(f,P1) title('单边振幅谱') xlabel('频率(Hz)') ylabel('|P1(f)|')

代码优化技巧：

1. 对于长信号，使用nextpow2优化FFT计算效率：

   n = 2^nextpow2(L); Y = fft(x,n);

2. 添加窗函数减少频谱泄漏：

   window = hann(L)'; x_windowed = x .* window; Y = fft(x_windowed,n);

3. 对数坐标显示动态范围大的频谱：

   semilogy(f,P1)

掌握这些核心要点后，FFT频谱分析将不再神秘。在实际项目中，建议先使用简单正弦信号验证代码的正确性，再应用到复杂信号分析中。