工程实现1024点FFT运算，应用XILINX fft核，对fft运算后的数据取模运算，同时带有仿真模块，验证模块的正确性

MATLAB中使用FFT做频谱分析时频率分辨率问题-频率分辨率.rar MATLAB中使用FFT做频谱分析时频率分辨率问题 最近做FFT时，使用的采样频率和信号长度的取舍一直没有搞清楚，后来在论坛上发了一个贴子《总结一下使用FFT和维纳-辛钦定理求解PSD问题》（讨论见https://www.ilovematlab.cn/thread-27150-1-1.html，特别感谢会员songzy41，他的问题给了我很大启示），跟帖中给了我不少启示，并且让我对“频率分辨率”这个概念有了更深入的理解。再次一并感谢论坛的高手们。 频率分辨率，顾名思义，就是将信号中两个靠的很近的频谱分开的能力。 信号x长度为Ts，通过傅氏变换后得到X，其频率分辨率为Δf=1/T（Hz），若经过采样后，假设采样频率为fs=1/Ts，而进行频谱分析时要将这个无穷长的序列使用窗函数截断处理，假设使用矩形窗，我们知道，矩形窗的频谱为sinc函数，主瓣宽度可以定义为2*pi/M，M为窗宽，那么，时域相乘相当于频域卷积，频域内，这一窗函数能够分辨出的最近频率肯定不可能小于2*pi/M了，也就是如果数据长度不能满足2*pi/M<|w2-w1|（w2,w1为两个靠的很近的频率），那么在频谱分析时，频谱上将不能分辨出这两个谱，由于w2-w1=2*pi/fs=2*pi*Δf/fs也就是2*pi/M<2*piΔf/fs，得到Δf的限制为fs/M，这就是窗函数宽度的最小选择，就是说，根据Shannon采样定理确定了采样频率后，要根据靠的最近的谱峰来确定最小的采样长度，这样，所作出来的频谱才能分辨出那两个谱峰，也就是拥有了相应的频率分辨率。 几个例子： 考虑双正弦信号：x = sin sin;根据Shannon采样定理，采样频率要大于截止频率的两倍，这里选采样频率为80，那么，我们可以看到，Δf为0.2Hz，那么，最小的数据长度为0.2/80=400，但是对正弦信号的频谱分析经验告诉我们，在截断时截断时的数据要包含整周期，并且后面不宜补零以避免频谱泄露（这一点见胡广书《数字信号处理导论》，清华大学出版社），那么，我们要选择至少980个点，才能保含到一个整周期，另外，FFT的经验告诉我们作分析时最好选择2的整数次幂，我们选择靠的最近的1024点。分析结束。 [CODE] Fs = 80; n = 0:1/Fs:1023*1/Fs; x = sin sin; N = length; figure; X = fftshift); plot*Fs/N,abs*2/N); grid on; axis; 这是按照我们的分析进行的编程和图形 zheng.jpg 可以看出这两个谱峰很好的被分辨开来，9.8Hz不在谱线上，所以幅值不为1，以下是一些对比： [CODE] Fs = 80; n = 0:1/Fs:1023*1/Fs; x = sin sin; N = length; X = fftshift); figure; subplot plot*Fs/N,abs*2/N); grid on; axis; title; n = 0:1/Fs:979*1/Fs; x = sin sin; N = length; X = fftshift); subplot plot*Fs/N,abs*2/N); grid on; axis; title; n = 0:1/Fs:399*1/Fs; x = sin sin; N = length; X = fftshift); figure; subplot plot*Fs/N,abs*2/N); grid on; axis; title; Fs = 20; n = 0:1/Fs:1024*1/Fs; x = sin sin; N = length; X = fftshift); subplot plot*Fs/N,abs*2/N); grid on; axis; title; 结果如下： 1024.jpg 400.jpg 这是我在做FFT以及论坛中的问题时所得到的一点启发，不当之处还请大家指正。OO~ 频率分辨率.rar 为了方便大家，我将doc版报告和m文件一起上传，和帖子内容一样。OO~

FFT算法在FPGA上的verilog实现 详解 Implementation of Fast Fourier Transform (FFT) on FPGA using Verilog HDL

32点FFT的VHDL实现 经过验证该代码是可以仿真成功的希望对大家有帮助

MATLAB对一段音频进行FFT处理，可以绘制出原声音信号的时域波形，可以比较出直接运算和蝶形运算的语音信号FFT频谱特性

短时傅里叶变换（stft）的Matlab源码，已封装为Function函数，可直接根据源码注释调用

OpenCL中的FFT和DFT 在OpenCL中针对基于FPGA的体系结构实现DFT和FFT。

获校级电子设计竞赛一等奖，基于STM32F407的FFT自适应滤波程序， 0—20KHz自适应滤波，应用Blackman_Win窗口减少幅值泄露，分辨率20Hz，滤波后频率误差100Hz，幅值误差100mv。欢迎批评指正

基于TMS320C6455的二维FFT实现 - dsplib_c64Px_3_4_0_0_Win32.exe - DSP库 - FFT2 - FFT2实现工程 - TI Compiler v7.4.18 - ImageResize - 用来调整图像尺寸并生成对应code的Python脚本 - 依赖opencv-python

非常精简且实用的fft代码。附有详尽的注释，方便理解。经过测试，结果准确。效率基本和matlab内置函数相同。