关于利用FFT进行频谱分析时采样频率的问题， 你的频率（间隔）分辨率为 采样周期/FFT点数>；100，所以32点FFT肯定不够-不能够辨别出100hz信号的 这牵扯到分辨率问题.这个和你采样的点数无关，和你的采样频率有关.
频谱图中横坐标为频率，纵坐标的幅值代表什么 纵坐标的幅2113值代表信号的振幅强度，5261单位为分贝（dB），采用线性分度4102。在实际使用中，频谱图有三1653种，即线性振幅谱、对数振幅谱、自功率谱。线性振幅谱的纵坐标有明确的物理量纲，是最常用的。对数振幅谱中各谱线的振幅都对原振幅A作了对数计算（20logA），所以其纵坐标的单位是dB（分贝）。这个变换的目的是使那些振幅较低的成分相对高振幅成分得以拉高，以便观察掩盖在低幅噪声中的周期信号。自功率谱是先对测量信号作自相关卷积，目的是去掉随机干扰噪声，保留并突出周期性信号，损失了相位特征，然后再作傅里叶变换。自功率谱图使得周期性信号更加突出。扩展资料对数振幅频谱图的折线近似画法如下：1、根据幅频函数计算一阶极点和一阶零点，计算常数项A（0）。常数项对应对应的频谱图是一条平行于频率轴的直线，纵坐标为20lg(A(0))。一阶极点对频谱图的贡献是一条斜率为-20dB/十倍频的直线。一阶零点对频谱图的贡献是一条斜率为20dB/十倍频的直线。2、计算二阶零点和二阶极点。一阶极点对频谱图的贡献是一条斜率为-40dB/十倍频的直线。二级零点对频谱图的贡献是一条斜率为40dB/十倍频的直线。3、根据1、2中零极点的对频谱图的贡献画出对数振幅。
连续时间周期信号的频谱分析 单边与双边频谱关系 如前所述，周期信号可以分解成一系列正弦（余弦）信号或虚指数信号之和，为了直观地表示出信号所含各分量的振幅或，随频率的变化情况，通常以角频率为。
利用excel进行傅里叶分析做出了数据的频谱图后，怎么对频谱图进行分析 1.EXCEL分析工具库中内置了分析工具“傅利叶分析”，其功能是进行离散型快速傅利叶变换（FFT），也可进行傅利叶逆变换。2.傅利叶变换是将时间序列数据转换为频率序列数据，以便了解序列的频率构成。对于时间序列可展开为傅利叶级数：式中：N为观测值个数；k为周期分量个数；fj为频率（＝j/N）εt为误差项，是由于选取级数前k项所产生的。时间域序列xk变换到频率域序列ωj的公式如下：式中：N为序列数据项数，对第j个分量：aj为实部，bj为虚部，模，辐角3.所关心的是序列主要由哪些频率成份构成及其振幅。操作方法如下：Step1．取得时间序列数据{xk}，要求项数N为2的整数次幂，即2、4、8、16、32…，项数最大限制为4096。N选择多大为好，要视频谱分析时要分析的项数。N个数据中，最多能分析N/2+1个频率构成。Step2．时间序列{xk}各项减其平均数E(xk)得中心化时间序列；Step3．利用“傅利叶分析”工具进行快速傅利叶变换，得ωj；Step4．利用IMABS()函数求得复数的模。该序列第1项为0，去掉之，从第2项起共奇数项，中间项为常数项，两侧是完全对称的。绘制折线图观察之，通常只观察前半部分；Step5．更改横坐标，观察频率分布。需要指出的是：数据系列的周期性，。
怎么用Matlab对excel数据中的幅值-时间转换为幅值-频率图，即频谱分析？ clc；clear all；a=xlsread('转换.xlsx')；fs=1/a(2，1)；b=fft(a(：，1))；plot((1：22)/22*fs，abs(b))；xlabel('frequence(Hz)')；ylabel('Magnitude')；
为什么要对信号进行频谱分析？ 对信号进行频谱分析的原因：在看似杂乱无章的信号中，找出一定振幅、相位、频率的基本的正弦（余弦）信号中，振幅较大（能量较高）信号对应的频率，百从而找出信号的主要振动频率特点。如减速机故障时，通过频谱分析，根据各级齿轮转度速，齿数与杂音频谱中振幅大的对比，可以快速判断哪级齿轮损伤。信号谱分析是数字信号处理的重要内容，对确定的信号其时 域表示是确定的，其频谱可以通 过傅立叶变换得到。但在实际应用中，携带信息的信号本质上都是随机的，随知机信号不能用 确定的时间函数表示，只能用概率分布函数、概率密度函数或统计平均特性来描述。通常把 随机信号看作无限长度和无限能量的功率信号，由于不满足绝对可积，其傅立叶变换不存在，因此道只能研究其功率在频域的分布，即功率谱或功率谱密度。实际应用中人们所能得到的 随机信号专的样本函数总是有限长序列，根据有限长度的信号所得的功率谱只是随机信号属真实 功率谱的估计，称为功率谱估计。功率谱是平稳随机信号在频域上，描述各频率分量功率分 布情况的基本特征量，由于功率谱与相关函数之间是一对傅立叶变换，经典功率谱估计都依 据DFT，而采用FFT算法，故称之为非参数方法。
