Matlab αλήθεια

[Aya2002]

Γεια εμπειρογνώμονες, έχω ένα quistion εδώ, παρακαλώ διαβάστε το παρακάτω paragragh όπως είναι σε pdf έγγραφο σχετικά με την ιστοσελίδα:

Ο μετασχηματισμός Fourier μπορεί να υπολογιστεί χρησιμοποιώντας τον κωδικό Matlab
FK = FFT (FN) / N?% Η FFT του σήματος FN
fn = ifft (FK) * N?% Οι Inverse FFT
ifft (FFT (fn))?% Αυτό το αποτέλεσμα = fn (εντός μηχάνημα ακριβείας)

Πρέπει να χωρίζουν από τον αριθμό των σημείων του δικτύου Ν αν θέλουμε να χρησιμοποιήσει τα αποτελέσματα των FFT, διότι Matlab βάζει την εξομάλυνση μόνο στην αντίστροφη μετατροπή.Ως αποτέλεσμα θα πρέπει να διαδοθούν στη συνέχεια το IFFT από Ν για την καταπολέμηση της Matlab που διαιρεί από τον Ν.

αμφιβολίες μου είναι: είναι το παραπάνω είναι σωστή;

Σας ευχαριστούμε εκ των προτέρων.Προστίθενται μετά από 3 ώρες:καμία απάντηση παρακαλώ

 

[Aya2002]

οποιαδήποτε βοήθεια παρακαλώ;

 

[rramya]

Hi Aya2002,
Θα wrtie ορισμένες κώδικας και τότε θα ολοκληρώσω.

Δοκιμάζονται δεν με συντελεστή ομαλοποίηση (1 / N):

time_signal = [1 2 3 4 3 2]?
FFT_time_signal = FFT (time_signal)?
INVERSE_FFT_time_signal = ifft (FFT_time_signal)?

o / pi πήρε:
FFT_time_signal = 15 -4 0 -1 0 -4
INVERSE_FFT_time_signal = 1 2 3 4 3 2Δοκιμαστεί με τη χρήση συντελεστή εξομάλυνσης (1 / N):

time_signal = [1 2 3 4 3 2]?
FFT_time_signal = FFT (time_signal). / Μήκος (time_signal)?
INVERSE_FFT_time_signal = ifft (FFT_time_signal) .* μήκος (time_signal)?

FFT_time_signal = 2,5000 -0,6667 0 -0,1667 0 -0,6667
INVERSE_FFT_time_signal = 1,0000 2,0000 3,0000 4,0000 3,0000
2,0000

Συμπερασματικά:
Όσον ανά DFT τύπος δεν χρησιμοποιεί εξομάλυνση.
Αντί IDFT χρησιμοποιεί παράγοντας ομαλοποίηση (1 / N) στον τύπο.
εξ ου και η matlab functon "FFT" λειτουργεί επίσης ως ανά τύπο Αδυναμίαχρήσηςτης κάνει χρήση παράγοντα ομαλοποίηση (1 / N) & "ifft" λειτουργεί επίσης ως ανά τύπο χρήσεις παράγοντας ομαλοποίηση (1 / N).έστω και αν δεν κλιμάκωση μπορούμε να πάρουμε το ίδιο o / σ.
ποια είναι η ADV της χρήσης μιας κλιμάκωσης παράγοντα FFT και ifft;;;
Νομίζω ότι μπορεί κανείς να σκέφτονται και να πάρει την απάντηση για αυτό.

Ελπίζω ότι θα το βρούμε σύντομα ......

happy μάθηση.

 

[Aya2002]

My Friend,

βλ. experement μου παρακάτω:

x = αυτές (1,5)

x =

1 1 1 1 1

>> S = FFT (x)

s =

5 0 0 0 0

>> Ifft (ες)

ans =

1 1 1 1 1

όπως αναφέρεται παραπάνω, Matlab έκανε μια πλήρη μετατροπή, και αντιστρόφως ανάλογη με τις μετατροπής που πρέπει να κάνουμε οποιαδήποτε ομαλοποίηση, θέλω να πω, ότι δεν χρειάζεται καμία εξομάλυνση, ενώ το αρχείο PDF είπε ότι πρέπει να χρησιμοποιήσουμε την εξομάλυνση.Από την οποία καταλήγω στο συμπέρασμα ότι το έγγραφο αυτό δεν είναι σωστό.

Τώρα, για quiation σου "τι είναι η adv της χρήσης μιας κλιμάκωσης παράγοντα FFT και ???", ifft παρακαλούμε δείτε παρακάτω answere μου?

όταν αντιπροσωπεύουν ένα μήνυμα μέσα matlab, χρησιμοποιούμε συνήθως δύο φορείς, ένας για το x-δεδομένων και ένα για την y-δεδομένα.Η εντολή FFT λειτουργεί μόνο για την y-δεδομένων (μετατροπή των y-δεδομένα από τον τομέα του χρόνου στο πεδίο της συχνότητας).Έτσι, εναπόκειται στο χρήστη να προσδιορίσει ποια είναι η x-δεδομένα στο πεδίο της συχνότητας θα είναι!

Τώρα ας να πάρουμε ένα παράδειγμα:

y (t) = 2cos (2 Π για t)
-------------------------

για = 4?
Fs = 100?
Ts = 1/Fs?
t = 0: Ts :1-Μ?
n = μήκος (t)?
y = 2 * sin (2 * pi * για * t)?
οικόπεδο (t, y)?<img src="http://images.elektroda.net/9_1236975577_thumb.jpg" border="0" alt="Matlab truth" title="Matlab αλήθεια"/> όταν παίρνουμε το FFT της καμπύλης αυτής, στην ιδανική περίπτωση θα περιμένετε να πάρετε το ακόλουθο φάσμα στο πεδίο της συχνότητας, αναμένουμε να δούμε μία κορυφή του πλάτους 1 στο -4 Hz, και μια άλλη κορυφή του πλάτους 1 σε 4 Hz.Έτσι, ας χρήση matlab ενσωματωμένη σε λειτουργία FFT για να δείτε τα αποτελέσματα.

yfr = FFT ?
στελέχους (abs (yfr))?
<img src="http://images.elektroda.net/18_1236975954_thumb.jpg" border="0" alt="Matlab truth" title="Matlab αλήθεια"/> από την παραπάνω εικόνα, δεν μοιάζει πολύ αυτό που εμείς είχαμε ήδη πει παραπάνω.Αν παρατηρήσετε υπάρχουν acouple πράγματα που λείπουν:
1.Άξονα των x δεν μας δίνει πληροφορίες σχετικά με τη συχνότητα.Πώς μπορούμε να πούμε ότι οι κορυφές είναι στο σωστό μέρος;

2.Το πλάτος είναι όλο το δρόμο μέχρι το 100.

3.Το φάσμα δεν επικεντρώνεται γύρω από το μηδέν.

Για την επίλυση αυτών των προβλημάτων, πρέπει να ομαλοποιήσει τα δεδομένα και τη χρήση του Matlab FFTshift λειτουργία μετά την FFT λειτουργούν ως εξής?

λειτουργία [X freq] = centeredFFT (x, Fs)

Ν = μήκος (x)?
αν mod (N, 2) == 0
k =- N / 2: N/2-1?
άλλος
k =- (N / 2) / 2: (N-1) / 2?
τέλος
T = N / F?
freq = k / T?% Ο άξονας Συχνότητα.
X = FFT (χ) / N?% Κανονικοποίηση των δεδομένων.
X = fftshift (X)?% Μετατόπιση του FFT δεδομένα έτσι ώστε να είναι στο κέντρο.η o / p του παραπάνω λειτουργία θα είναι σωστό φάσμα συχνοτήτων και την μετατροπή του σήματος.

Ας χρησιμοποιήσουμε αυτή τη λειτουργία στο παράδειγμα:

[yfDom, frange] = centeredFFt (y, Fs)?
στελέχους (frange, abs (yfDom))?<img src="http://images.elektroda.net/100_1236977177_thumb.jpg" border="0" alt="Matlab truth" title="Matlab αλήθεια"/> όπως μπορούμε να δούμε από το οικόπεδο πάνω, οι πληροφορίες, εντός του φάσματος συχνοτήτων είναι απολύτως συμμετρική.

Η ελπίδα αυτή είναι σαφής.

Montadar

 

[rramya]

παρακαλώ δείτε αυτό το site.

κανονικά όταν το κάνουμε FFT (x) έχουμε τεράστια ampitude.κάνουμε απολέπιση διαιρώντας με Ν και ενώ τον υπολογισμό αντίστροφη FFT εμείς κάνουμε απολέπιση.αν το κάνουμε, εμείς επίκλιση πληρούν parsevals θεώρημα η οποία διατηρεί ενιαία μεταξύ FFT & IFFT.
Επίσης, ο λόγος για τον λόγο αυτό FFT κλίμακας βασικά;;;;

όλη αυτή η απάντηση ήταν υπό συζήτηση στο παρακάτω αναφέρονται τοποθεσία

pl δείτε dicussion (μεταξύ Matt και Ramya)
http://www.mathworks.fr/matlabcentral/newsreader/view_thread/174066

Επίσης, κατά κύριο λόγο αυτό το site:
http://www.mathworks.fr/matlabcentral/newsreader/view_thread/246628

Βλέπε τελικά πήραμε την απάντηση.Happy μάθηση

 

[Aya2002]

πολλές φίλος ευχαριστώ και ελπίζω να σας ξαναδώ σε μια καλή υγεία μετά από τη χειρουργική επέμβαση

καλή τύχη και G * D αποθηκεύετε