我正在使用FFTW 3.2.2但是与其他FFT实现(在Java中)得到了类似的结果.当我采用正弦波的FFT时,结果的缩放取决于波的频率(Hz) – 具体而言,它是否接近整数.当频率接近整数时,得到的值非常小,当频率在整数之间时,它们的数量级要大一些. This graph示出了对应于不同频率的波频率的FFT结果中的尖峰幅度.这是正确的吗??
我检查了FFT的逆FFT等于原始正弦波乘以样本数,它是. FFT的形状似乎也是正确的.
如果我正在分析单个正弦波,那就不会那么糟糕了,因为无论高度如何,我都可以在FFT中寻找尖峰.问题是我想分析正弦波的总和.如果我正在分析正弦波的总和,例如440 Hz和523.25 Hz,那么只有523.25 Hz的正弦波峰值出现.另一个的尖峰非常小,看起来像是噪音.必须有一些方法来使这项工作,因为在Matlab中它确实有效 – 我在两个频率上得到类似大小的尖峰.如何更改下面的代码以均衡不同频率的缩放?
#include <cstdlib>
#include <cstring>
#include <cmath>
#include <fftw3.h>
#include <cstdio>
using namespace std;
const double PI = 3.141592;
/* Samples from 1-second sine wave with given frequency (Hz) */
void sineWave(double a[],double frequency,int samplesPerSecond,double ampFactor);
int main(int argc,char** argv) {
/* Args: frequency (Hz),samplesPerSecond,ampFactor */
if (argc != 4) return -1;
double frequency = atof(argv[1]);
int samplesPerSecond = atoi(argv[2]);
double ampFactor = atof(argv[3]);
/* Init FFT input and output arrays. */
double * wave = new double[samplesPerSecond];
sineWave(wave,frequency,ampFactor);
double * fftHalfComplex = new double[samplesPerSecond];
int fftLen = samplesPerSecond/2 + 1;
double * fft = new double[fftLen];
double * ifft = new double[samplesPerSecond];
/* Do the FFT. */
fftw_plan plan = fftw_plan_r2r_1d(samplesPerSecond,wave,fftHalfComplex,FFTW_R2HC,FFTW_ESTIMATE);
fftw_execute(plan);
memcpy(fft,sizeof(double) * fftLen);
fftw_destroy_plan(plan);
/* Do the IFFT. */
fftw_plan iplan = fftw_plan_r2r_1d(samplesPerSecond,ifft,FFTW_HC2R,FFTW_ESTIMATE);
fftw_execute(iplan);
fftw_destroy_plan(iplan);
printf("%s,%s,%s",argv[1],argv[2],argv[3]);
for (int i = 0; i < samplesPerSecond; i++) {
printf("\t%.6f",wave[i]);
}
printf("\n");
printf("%s,argv[3]);
for (int i = 0; i < fftLen; i++) {
printf("\t%.9f",fft[i]);
}
printf("\n");
printf("\n");
printf("%s,argv[3]);
for (int i = 0; i < samplesPerSecond; i++) {
printf("\t%.6f (%.6f)",ifft[i],samplesPerSecond * wave[i]); // actual and expected result
}
delete[] wave;
delete[] fftHalfComplex;
delete[] fft;
delete[] ifft;
}
void sineWave(double a[],double ampFactor) {
for (int i = 0; i < samplesPerSecond; i++) {
double time = i / (double) samplesPerSecond;
a[i] = ampFactor * sin(2 * PI * frequency * time);
}
}
解决方法
The resulting values are scaled really small when the frequency is near a whole number,and they’re orders of magnitude larger when the frequency is in between whole numbers.
这是因为快速傅立叶变换假定输入是周期性的并且无限重复.如果你有一个非整数的正弦波,并且你重复这个波形,它就不是一个完美的正弦波.这导致FFT结果遭受“spectral leakage”的影响
查看window functions.这些会在开始和结束时衰减输入,从而减少频谱泄漏.
p.s.:如果你想获得基本周围的精确频率内容,捕获大量的波周期,你不需要每个周期捕获太多的点(每个周期32或64个点可能很多).如果您希望在更高的谐波下获得精确的频率成分,则捕获较少的周期数,并且每个周期获得更多的点.