FFT频谱分析与数字滤波在信号处理中的实践应用

1. 项目概述：FFT频谱分析与滤波的工程价值

在工业测量、生物医学信号处理、音频工程等领域，我们经常需要从混杂噪声的原始数据中提取特定频率成分。去年参与某振动监测项目时，传感器采集的原始信号信噪比只有12dB，但通过基于FFT的频谱分析和数字滤波，最终成功分离出了0.5Hz间隔的相邻频率成分。这个MATLAB程序正是基于此类典型需求开发，核心功能包括：

• 自动计算信号频谱特征
• 可视化频谱能量分布
• 可配置的带通滤波处理
• 目标频率波形重构

实测在50Hz工频干扰背景下，对10-15Hz范围内的微弱振动信号提取误差小于0.1Hz，振幅还原度达95%以上。下面将详细解析实现原理和关键技巧。

2. 核心算法原理与实现

2.1 FFT频谱分析模块设计

FFT（快速傅里叶变换）是离散傅里叶变换的优化算法，将时域信号转换为频域表示。程序中使用的是基2时间抽选算法，MATLAB内置的fft函数已高度优化：

matlab复制N = length(signal); % 采样点数
f = (0:N-1)*(fs/N); % 频率轴
Y = fft(signal);    % FFT变换
P = abs(Y/N);       % 双边频谱
P = P(1:N/2+1);     % 单边频谱

关键参数选择：

• 采样频率fs应满足奈奎斯特准则（≥2倍最高分析频率）
• 数据长度N建议取2的整数幂（如1024、2048）
• 加窗处理可选用hann窗减少频谱泄漏

实际测试发现，对非平稳信号采用分段重叠FFT（STFT）效果更好，建议重叠率50%-75%

2.2 数字滤波器实现方案

采用FIR滤波器设计，相比IIR滤波器具有线性相位特性：

matlab复制fc = [f_low f_high]; % 截止频率
n = 100;            % 滤波器阶数
b = fir1(n, fc/(fs/2), 'bandpass');
filtered_signal = filtfilt(b, 1, signal);

filtfilt函数实现零相位滤波，避免常规滤波导致的时移问题。滤波器阶数n的选择需要权衡：

• 阶数越高，过渡带越陡峭
• 但计算量增大且可能引入振铃效应
• 实测显示n=60-12