使用Matlab對采樣數據進行頻譜分析

1、采樣數據導入Matlab

采樣數據的導入至少有三種方法。

第一就是手動將數據整理成Matlab支持的格式，這種方法僅適用于數據量比較小的采樣。

第二種方法是使用Matlab的可視化交互操作，具體操作步驟為：File --> Import Data，然后在彈出的對話框中找到保存采樣數據的文件，根據提示一步一步即可將數據導入。這種方法適合于數據量較大，但又不是太大的數據。據本人經驗，當數據大于15萬對之后，讀入速度就會顯著變慢，出現假死而失敗。

第三種方法，使用文件讀入命令。數據文件讀入命令有textread、fscanf、load 等，如果采樣數據保存在txt文件中，則推薦使用 textread命令。如

[a,b]=textread('data.txt','%f%*f%f'); 這條命令將data.txt中保存的數據三個三個分組，將每組的第一個數據送給列向量a，第三個數送給列向量b，第二個數據丟棄。命令類似于C語言，詳細可查看其幫助文件。文件讀入命令錄入采樣數據可以處理任意大小的數據量，且錄入速度相當快，一百多萬的數據不到20秒即可錄入。強烈推薦！

2、對采樣數據進行頻譜分析

頻譜分析自然要使用快速傅里葉變換FFT了，對應的命令即 fft ，簡單使用方法為：Y=fft(b,N)，其中b即是采樣數據，N為fft數據采樣個數。一般不指定N，即簡化為Y=fft(b)。Y即為FFT變換后得到的結果，與b的元素數相等，為復數。以頻率為橫坐標，Y數組每個元素的幅值為縱坐標，畫圖即得數據b的幅頻特性；以頻率為橫坐標，Y數組每個元素的角度為縱坐標，畫圖即得數據b的相頻特性。典型頻譜分析M程序舉例如下：

clc

fs=100;

t=[0:1/fs:100];

N=length(t)-1;%減1使N為偶數

%頻率分辨率F=1/t=fs/N

p=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)... +0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t);

%上面模擬對信號進行采樣，得到采樣數據p，下面對p進行頻譜分析

figure(1)

plot(t,p);

grid on

title('信號 p(t)');

xlabel('t')

ylabel('p')