[参考译文] 频率分量 fron FFT 输出

您好 Kanchan、

FFT 将时域信号转换为频域(反之亦然)。 FFT 以2的幂为单位运行、每个数表示一个频率范围。 每个数据单元的宽度取决于用于捕获时域信号的采样率和 FFT 数据单元数：每个数据单元宽度=采样率/数据单元数。 以采样率为1MHz 的信号的16点 FFT 为例。 16点 FFT 的每个区间为62.5kHz 宽(1MHz/16)、从0Hz (DC)开始一直到采样率1MHz。

如果进入 FFT 的信号仅为实数、那么您将观察到 FFT 中点(奈奎斯特频率)的对称性-您可以忽略中点以上的 FFT 结果、也可以利用这种对称性。

FFT 输出在实部和虚部之间进行拆分。 您可以重新组合这两个、通过取每个部分平方和的平方根来获得幅度响应。

HWAFFT AppNote： http://www.ti.com/lit/an/sprabb6b/sprabb6b.pdf 中提供了一些其他背景 信息、如果您搜索、也可以在各种网站上找到这些背景信息。

希望这对您有所帮助、
标记

您好 Kanchan、

你明白了。

要检测哪些频率具有最大的放大范围、您可以...
*确保以大于目标最大频率2倍的采样率对信号进行采样
*在短时间内将多个样本捕获到数组中(例如1024个样本)
*使用该样本块执行 FFT
*计算 FFT 实数和虚数输出的幅度(在每个索引上计算实数组和虚数组元素平方和的平方根)
*在幅度数组中搜索具有最大幅度的索引(如果 FFT 的输入都是实数、则只需搜索数组的前半部分-后半部分将重复前半部分)
*将该指数与每个频率单元的宽度相乘(宽度、单位为 Hz = ADC 采样率/单元数或 FFT 的大小)
*您将得到能量最多的频率(实际上是一个频率范围)(幅度)。
该频率范围的分辨率等于每个频率单元的宽度。 在上面的示例中、采样率为1MHz、FFT 长度为16点、分辨率为62.5kHz (1MHz/16)。 除非增大 FFT 的大小(或降低采样率或使用缩放 FFT 等技巧)、否则无法再缩小频率范围。

此外、如果主要频率恰好位于两个频率单元的边缘、则其能量将分散在两个相邻的频率单元中。

您可能还对 Goertzel 算法感兴趣、该算法是一种完全不同的方法、用于确定特定频率是否在信号中占主导地位。 它是用于检测按键音电话(DTMF)上预设的按钮的方法。

希望这对您有所帮助、
标记