FFT算法讲解
BrainTechnology
共 1208字,需浏览 3分钟
·
2022-04-11 04:37
大家好,我是陈锐。
感谢大家关注CRBrain脑世界公众号。
今天分享部分内容来源ZLG致远电子,仅供参考
EEG频谱分析的相关内容可通过以下关键词搜索。
傅立叶变换的物理意义?
为什么要进行傅立叶变换?
傅立叶变换是描述信号的需要。只要能反映信号的特征,描述方法越简单越好!信号特征可以用特征值进行量化。所谓特征值,是指可以定量描述一个波形的某种特征的数值。全面描述一个波形,可能需要多个特征值。傅立叶变换算法利用直接测量到的原始信号,以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。
什么是FFT?
图2 时域到频域
什么是频率泄漏?
图3 信号截断
栅栏效应指的是离散傅立叶变化过程的频谱被限制在基频整数倍处,犹如栅栏一样关注的频率主要分布在木块之间,如图4所示。
图4 栅栏效应
前面已经了解泄漏问题,我们可以通过加合适的窗函数来尽可能减少频谱拖尾的现象,那么什么是窗函数呢?简单理解就是不同的信号截断函数如图5所示,常见的窗函数有以下几种:
图5 窗函数类型
通过前面已经了解加窗函数可减少泄漏现象,但频率栅栏效应没得到修复,加窗后幅值泄漏现象也只得到缓解,那么可以通过插值算法来得到一个准确的幅值和频率。算法原理是各个频率成分主瓣形状将近似窗函数频谱的主瓣形状,如果这形状可以用某个函数来描述,则可利用主峰两侧的谱线通过插值计算出主峰的高度,从而克服栅栏效应。
本文转载自以上公众号和网址,仅供学习参考,不作其它用途,有任何疑问及侵权,扫描以下公众号二维码添加交流:
评论