1、fft在matlab中可以按原理采样来运算，也可以用快速fft算法clear fs=1000 t=01fs06f1=100f2=300x=sin2*pi*f1*t+sin2*pi*f2*tsubplot711plotxtitle#39f1100Hz\f2300Hz的正弦信号；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510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F；FFT算法分析FFT算法的基本原理是把长序列的DFT逐次分解为较短序列的DFT按照抽取方式的不同可分为DITFFT按时间抽取和DIFFFT按频率抽取算法按照蝶形运算的构成不同可分为基2基4基8以及任意因子2n，n为；工作原理CCDCharge Coupled Devices，CCD由大量独立光敏元件组成每个光敏元件也叫一个像素这些光敏元件通常是按矩阵排列的，光线透过镜头照射到光电二极管上，并被转换成电荷每个元件上的电荷量取决于它所受到的光照强度；它是对DFT变换式进行一次次的分解，使其成为若干小点数DFT的组合，从而减小运算量常用的FFT是以2为基数，它的运算效率高，程序比较简单，使用也十分地方便FFT的算法基本上可以分为两大类按时间抽取DIT和按频率。

2、当N比较小时，FFT优势并不明显但当N大于32开始，点数越大，FFT对运算量的改善越明显比如当N为1024时，FFT的运算效率比DFT提高了100倍在库利和图基提出的FFT算法中，其基本原理是先将一个N点时域序列的DFT分解为N个；IDFT对于有限长的序列我们可以使用离散傅立叶变换，IDFT是对序列傅立叶变换的等距采样FFT并不是与IDFT不相同的另一种变换即原理是一样的，而是为了减少IDFT运算次数的一种快速算法它是对IDFT变换式进行一次次的；所以，关键是一维FFT算法的实现下面讨论一维FFT的算法原理1DFFT的算法实现设序列hn长度为N，将其按下标的奇偶性分成两组，即he和ho序列，它们的长度都是N2这样，可以将hn的FFT计算公式改写如下 A。

3、原理FFT的计算要求点数必须为2的整数次幂，如果点数不够用0补齐例如计算2，3，5，8，4的16点FFT，需要补11个0后进行计算FFT计算运用蝶形运算，在蝶形运算中变化规律由WN， p推导，其中N为FFT计算点数，J为；这要弄懂FFT的基本原理，简单说，FFT，傅里叶变换是一种看同一事物的不同方法，比如有张人体画相，你当然可以用小格子顺序分隔开，一个一个格子复原这张画傅里叶变换的方法是先看粗线条，把轮廓画好，然后再逐渐画得；所以只要时间序列足够长，采样足够密，频域采样也就可较好地反映信号的频谱趋势，所以FFT可以用以进行连续信号的频谱分析当然，这里作了几次近似处理1用离散采样信号的傅立叶变换来代替连续信号的频谱，只有在严格满足采样；FFT并不是与IDFT不相同的另一种变换即原理是一样的，而是为了减少IDFT运算次数的一种快速算法它是对IDFT变换式进行一次次的分解，使其成为若干小点数IDFT的组合，从而减小运算量常用的FFT是以2为基数，它的运算；主要是FFT很巧妙的调整了计算的顺序，使得中间的一些计算结果可以重复使用，通过这样的方式就可以降低整个算法的计算量了至于具体是怎么实现这一点的，你可以去找一本信号处理有关的书来看看其实原理还是很简单的。

4、首先，FFT原理是这样的如果你是针对原来未经采样的连续时间信号来说比如一个简单的正弦波，FFT做出来的永远不会是信号本身的真实频谱，只能够是无限接近FFT频谱泄露问题是一定会存在的，因为毕竟采样率再高，也不能；根据采样定理，理论上采样频率需要高于信号频率的2倍，因此要测量50次谐波，采样率至少每周波100点，一般取2的整数次幂，即128点，但实际应用中往往还要提高1~2个量级。