fft算法原理FFT算法得到的结果的物理意义是什么？

fft可以做滤波器吗(能)?怎么做(说一下原理）

滤波器主要有FIR滤波器和IIR滤波器。

FIR线性稳定，但是运算量大。

而IIR运算量是FIR的5-10分之一，牺牲了信号的线性，稳定性差。

如果精度实时性要求不高的话，可以用IIR的。

FFT可以求出频域，然后确定要滤掉哪些频率的。

FFT可以求出相位，幅度和频率。

可以用这个三个求出功率的相关参数。

FIR和IIR主要是滤掉自己不想要的波形而已。

不过一旦干扰的频率和基波频率差不多就很难做到了，这个时候需要硬件来完成。

以上只是软件上的实现。

不过我想说一下，提问题多少给个5分吧，0分是也实在是太抠了点吧。

呵呵。

FFT原理的FFT基本原理

FFT是一种DFT的高效算法，称为快速傅立叶变换（fast Fourier transform）。

FFT算法可分为按时间抽取算法和按频率抽取算法，先简要介绍FFT的基本原理。

从DFT运算开始，说明FFT的基本原理。

DFT的运算为： 式中 由这种方法计算DFT对于X（K）的每个K值，需要进行4N次实数相乘和（4N-2）次相加，对于N个k值，共需N*N乘和N（4N-2）次实数相加。

改进DFT算法，减小它的运算量，利用DFT中 的周期性和对称性，使整个DFT的计算变成一系列迭代运算，可大幅度提高运算过程和运算量，这就是FFT的基本思想。

FFT基本上可分为两类，时间抽取法和频率抽取法，而一般的时间抽取法和频率抽取法只能处理长度N=2^M的情况，另外还有组合数基四FFT来处理一般长度的FFT 设N点序列x(n),,将x(n)按奇偶分组，公式如下图 改写为： 一个N点DFT分解为两个 N/2点的DFT，继续分解，迭代下去，其运算量约为 其算法有如下规律 两个4点组成的8点DFT 四个2点组成的8点DFT 按时间抽取的8点DFT 原位计算 当数据输入到存储器中以后，每一级运算的结果仍然储存在同一组存储器中，直到最后输出，中间无需其它存储器 序数重排 对按时间抽取FFT的原位运算结构，当运算完毕时，这种结构存储单元A(1)、A(2)，…，A(8)中正好顺序存放着X(0)，X(1)，X(2)，…，X(7)，因此可直接按顺序输出，但这种原位运算的输入x(n)却不能按这种自然顺序存入存储单元中，而是按X(0)，X(4)，X(2)，X(6)，…，X(7)的顺序存入存储单元，这种顺序看起来相当杂乱，然而它也是有规律的。

当用二进制表示这个顺序时，它正好是“码位倒置”的顺序。

蝶形类型随迭代次数成倍增加 每次迭代的蝶形类型比上一次蝶代增加一倍，数据点间隔也增大一倍 频率抽取2FFT算法是按频率进行抽取的算法。

设N=2^M，将x(n)按前后两部分进行分解， 按K的奇偶分为两组，即 得到两个N/2 点的DFT运算。

如此分解，并迭代，总的计算量和时间抽取（DIT）基2FFT算法相同。

算法规律如下： 蝶形结构和时间抽取不一样但是蝶形个数一样，同样具有原位计算规律，其迭代次数成倍减小 时，可采取补零使其成为 ，或者先分解为两个p,q的序列，其中p*q=N，然后进行计算。

前面介绍，采用FFT算法可以很快算出全部N点DFT值，即z变换X（z）在z平面单位圆上的全部等间隔取样值。

实际中也许①不需要计算整个单位圆上z变换的取样，如对于窄带信号，只需要对信号所在的一段频带进行分析，这时希望频谱的采样集中在这一频带内，以获得较高的分辨率，而频带以外的部分可不考虑，②或者对其它围线上的z变换取样感兴趣，例如语音信号处理中，需要知道z变换的极点所在频率，如极点位置离单位圆较远，则其单位圆上的频谱就很平滑，这时很难从中识别出极点所在的频率，如果采样不是沿单位圆而是沿一条接近这些极点的弧线进行，则在极点所在频率上的频谱将出现明显的尖峰，由此可较准确地测定极点频率。

③或者要求能有效地计算当N是素数时序列的DFT，因此提高DFT计算的灵活性非常有意义。

螺旋线采样是一种适合于这种需要的变换，且可以采用FFT来快速计算，这种变换也称作Chirp-z变换。

FFT算法得到的结果的物理意义是什么？

FFT本没有意义 他只不过是DFT的快速算法 知道DFT的意义就行了 至于FFT 知道他怎么算就行了 算出各次协波的幅值 FFT得到的结果横坐标中每格为fs/N 电脑不可能算那么细 肯定也是采样 然后估算的那么多点 最终呈现一副完整的频谱