信号频谱与功率谱图像，以及经傅里叶变换后得到真实值的频谱与功率谱图像

包含一个工程文件和word文档，详细的介绍了fft的c语言实现及其对语音信号的变换

FFT（Fast Fourier Transformation），即为快速傅氏变换，是离散傅氏变换（DFT）的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。（详见百度百科） 附件的资料是基于FPGA的FFT算法的设计与实现，包含了整理的FFT各种论文、仿真电路等，资料齐全。

全相位FFT相位测量法_王兆华

一维的FFT及IFFT计算代码。需要配合有蝶形算法的书看懂代码。C++/C

这是一个Matlab FFT小工具。它从txt文件读取原始数据，做简单的FFT。可用于初步分析信号频谱。

函数 [fy]=FFT(y,Fs) 1) 计算功率谱密度和幅度谱 (P(f),F(f)) 1d 信号 y(t) 的采样率 Fs（奈奎斯特率），这是已知的% apriori。 结果绘制在 3 幅图中，对应于简单的PSD，分别为对数 PSD (dB) 和幅度谱。 _____________ 振幅(f) = \/ PSD(f) 2）这个功能的用处是频率轴的调整。 3)快速傅里叶变换是用Matlab内置函数计算的fft，但对于长度 <1000 点的信号，可以使用嵌套函数 y=Fast_Fourier_Transform(X,N) 。 演示： fs=800； tf=2； t=0:1/Fs:Tf； f=[40 75]; 安培=[4.5 9.22]； 西格玛=1.33； y=Amp(1)*exp(j*2*pi*t*f(1)) +Amp(2)*exp(j*2*pi*t*f(2)); N=(sig

对输入的数组的长度来确定N值，N值的确定符合2的n次方，函数返回N值。通过作者提供的测试变量进行测试，能得到相应的结果。并对FFT变换进行了相应的验正，结果正确。

m 文件用于计算半波和全波整流正弦信号的频谱。

DFT 在 DSP 中发挥着重要作用，并被广泛用于相关和频谱分析等各种应用。 了解其计算中的量化误差是其设计的一个重要方面，无论是用于 s/w 还是 h/w 实现。 N 个点的复数 DFT 有 N 个复数（4N 个实数）乘法。 在 DFT 的定点实现中，每个乘法都会引入一个量化误差（所有的误差相互不相关，也与输入序列不相关）。 FFT 提供了一种计算 DFT 的有效方法。 即使 FFT 的乘法次数明显减少，量化误差也不会相应减少。 每个蝶形运算（忽略一些微不足道的 +/-1 乘法）都涉及一个复杂的（四个实数）乘法。 每个蝶形中引入的量化误差通过 N/2 级传播。 分析 FFT 中与量化相关的噪声影响是一项挑战。 由于 FFT 算法由阶段序列组成，因此每个阶段可以有不同的缩放策略。 附加的模型显示了如何在 FFT 的每个阶段更改定点数值类型和 fimath（作为嵌入式 MATLAB 脚