Schnelle Fouriertransformation - nicht ganzzahlige Anzahl von Zyklen in der FFT-Apertur

Auf dieser Website (eletronics.se) gibt es einige ausgezeichnete Diskussionsfäden und Antworten zur Theorie der Fouriertransformationen. Ich habe versucht, dasselbe in einem Simulationstool (MS Excel :) zu implementieren.

Ich habe einige Interpretations- und Implementierungsprobleme bezüglich derselben. Ich versuche eine Spannungswellenform von 50 Hz zu analysieren. Die folgenden Daten sind jedoch nur Dummy-Daten, die versuchen, einen konzeptionellen Rahmen für die Implementierung auf einem speicher- und verarbeitungsleistungsbeschränkten 16-Bit-Embedded-Low-Cost-Prozessor zu erstellen.

ETA (30. Mai 2012)

TL; DR-Version:

Für electronics.se war es selbstverständlich, aber ich verwende einen eingebetteten Prozessor mit eingeschränkter Speicher- und Verarbeitungsleistung.

Hier gibt es ein paar Fragen, die noch offen sind:

1. Wie wird die Fensterung für die Samples durchgeführt, ohne den Speicherbedarf des Algorithmus signifikant zu erhöhen? Ich möchte, dass dies eine grundlegende schrittweise Beschreibung ist, da ich für DSP ziemlich neu bin.
2. Warum wurden die Größen halbiert, als ich 41 Abtastwerte interpolierte, um 32 abzuleiten, blieben aber unverändert (mit Ausnahme einiger Störungen), als ich sie interpolierte, um 64 abzuleiten?

Ich erkläre ein Kopfgeld für die Frage mit der Hoffnung, dass ich einige ausgezeichnete Antworten bekomme, die für einen DSP-Neuling umsetzbar sind.

Versuch 1:

Zeitbereichseingabe

Ich habe eine Sinuswelle mit erzeugt, um 64 Samples zu erzeugen. Ich fügte dann 30% 3 R d Harmonischen, 20% 5 t $\sin(2n \pi /64)$$3rd$$5th$ Harmonischen, 15% Harmonischen, 10% 9 - T h Harmonischen und 20% 11 t h Harmonischen. Dies führte zu folgenden Beispielen:$7th$$9th$$11th$

0, 0.628226182, 0.939545557, 0.881049194, 0.678981464, 0.602991986, 0.719974543, 
0.873221372, 0.883883476, 0.749800373, 0.636575155, 0.685547957, 0.855268479, 
0.967780108, 0.904799909, 0.737695292, 0.65, 0.737695292, 0.904799909, 0.967780108, 
0.855268479, 0.685547957, 0.636575155, 0.749800373, 0.883883476, 0.873221372, 
0.719974543, 0.602991986, 0.678981464, 0.881049194, 0.939545557, 0.628226182, 0, 
-0.628226182, -0.939545557, -0.881049194, -0.678981464, -0.602991986, -0.719974543, 
-0.873221372, -0.883883476, -0.749800373, -0.636575155, -0.685547957, -0.855268479, 
-0.967780108, -0.904799909, -0.737695292, -0.65, -0.737695292, -0.904799909, 
-0.967780108, -0.855268479, -0.685547957, -0.636575155, -0.749800373, -0.883883476, 
-0.873221372, -0.719974543, -0.602991986, -0.678981464, -0.881049194, -0.939545557,
-0.628226182

Und diese Wellenform:

Ich habe eine DFT dieser Samples basierend auf einem Radix 2-Algorithmus genommen und diese Werte erhalten:

0, -32i, 0, -9.59999999999999i, 0, -6.4i, 0, -4.79999999999999i, 0, -3.20000000000001i,
0, -6.4i, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 6.4i, 0, 3.19999999999999i, 0, 4.8i, 0,
6.4i, 0, 9.60000000000001i, 0, 32i

Ausgehend von den Absolutwerten der obigen komplexen Zahlen als Verhältnis zum Fundamentalwert (2. Wert) und dem Ignorieren von Phaseninformationen (falls vorhanden) ermittelte ich die Größen der eingespeisten harmonischen Komponenten genau so, wie sie eingespeist wurden.

Darstellung des Frequenzbereichs

So weit, ist es gut.

Versuch 2:

Zeitbereichseingabe

Ich habe wieder eine Sinuswelle mit erzeugt, um 64 Samples zu erzeugen. Warum 41? Weil meine Mikrocontroller bei der tatsächlichen Implementierung ADC-Samples an einem Vielfachen des externen Oszillators abtasten und ich nur wenige Arten von Kristallen zur Verfügung habe. Ich fügte dann 30% 3 R d Harmonischen, 20% 5 t h Harmonischen, 15% 7 t $\sin(2n \pi /41)$$3rd$$5th$$7th$$9th$$11th$

0, 0.853079823, 0.857877516, 0.603896038, 0.762429734, 0.896260999, 0.695656841, 
0.676188057, 0.928419527, 0.897723205, 0.664562475, 0.765676034, 0.968738879, 
0.802820512, 0.632264626, 0.814329015, 0.875637458, 0.639141079, 0.696479632, 
0.954031849, 0.50925641, -0.50925641, -0.954031849, -0.696479632, -0.639141079, 
-0.875637458, -0.814329015, -0.632264626, -0.802820512, -0.968738879, -0.765676034, 
-0.664562475, -0.897723205, -0.928419527, -0.676188057, -0.695656841, -0.896260999, 
-0.762429734, -0.603896038, -0.857877516, -0.853079823, -6.87889E-15, 0.853079823, 
0.857877516, 0.603896038, 0.762429734, 0.896260999, 0.695656841, 0.676188057, 
0.928419527, 0.897723205, 0.664562475, 0.765676034, 0.968738879, 0.802820512, 
0.632264626, 0.814329015, 0.875637458, 0.639141079, 0.696479632, 0.954031849, 
0.50925641, -0.50925641, -0.954031849 

Und diese Wellenform:

Ich habe eine DFT dieser Samples basierend auf einem Radix 2-Algorithmus genommen und diese Werte erhalten:

14.03118145099, 22.8331789450432+2.81923657448236i, -17.9313890484703-4.4853739490832i, 
-2.54294462900052-0.971245447370764i, 1.74202662319821+0.944780377248239i, 
-7.2622766435314-5.09627264287862i, -1.5480700475686-1.37872970296476i, 
-0.136588568631116-0.126111953353714i, -3.99554928315394-5.93646306363598i, 
-0.840633449276516-1.60987487366169i, -0.373838501691708-0.955596009389976i, 
-1.326751987645-5.7574455633693i, -0.168983464443025-1.34797078005724i, 
-9.49818315071085E-003-1.20377723286595i, 0.571706242298176-4.14055455367115i,  
0.192891008647316-0.865793520825366i, 0.457088076063747-1.22893647561869i, 
3.15565897700047-5.67394957744733i, -0.573520124828716+0.682717512668197i, 
-0.20041207669728+0.127925509089274i, -7.95516670999013E-002-1.22174958722397E-002i, 
-1.57510358481328E-002-6.44533006507588E-002i, 2.50067192003906E-002-8.46645685508359E-
002i, 5.3665806842526E-002-9.01867018999554E-002i, 7.49143167927897E-002-
8.80550417489663E-002i, 9.11355142202819E-002-8.16075816185574E-002i, 
0.103685444073525-7.25978085593222E-002i, 0.11339684328631-6.20147712757682E-002i, 
0.120807189654211-5.04466357453455E-002i, 0.126272708495893-3.82586162066316E-002i, 
0.130029552904267-2.56872914345987E-002i, 0.132228055573542-1.28943815159261E-002i, 
0.1329519244939, 0.132228055573544+1.28943815159441E-002i, 
0.130029552904267+2.56872914345769E-002i, 0.126272708495892+3.82586162066264E-002i, 
0.12080718965421+5.04466357453468E-002i, 0.113396843286315+6.20147712757588E-002i, 
0.103685444073529+7.25978085593135E-002i, 9.11355142202805E-002+8.16075816185583E-002i, 
7.4914316792795E-002+8.80550417489592E-002i, 5.36658068425271E-002+9.01867018999563E-
002i, 2.50067192003947E-002+8.46645685508275E-002i, -1.57510358481296E-
002+6.44533006507526E-002i, -7.95516670999005E-002+1.22174958722402E-002i, 
-0.20041207669728-0.127925509089278i, -0.573520124828709-0.682717512668206i, 
3.15565897700049+5.67394957744733i, 0.45708807606375+1.22893647561869i, 
0.192891008647318+0.865793520825373i, 0.571706242298199+4.14055455367114i, 
-9.49818315070294E-003+1.20377723286595i, -0.168983464443023+1.34797078005724i, 
-1.32675198764498+5.75744556336931i, -0.373838501691692+0.955596009389972i, 
-0.840633449276515+1.6098748736617i, -3.99554928315393+5.93646306363599i, 
-0.136588568631125+0.126111953353722i, -1.54807004756858+1.37872970296476i, 
-7.26227664353139+5.09627264287866i, 1.7420266231982-0.944780377248243i, 
-2.54294462900053+0.971245447370785i, -17.9313890484703+4.48537394908326i, 
22.8331789450432-2.81923657448243i

Darstellung des Frequenzbereichs

Die Größen der obigen komplexen Zahlen lassen nichts erkennen , was ich auf die injizierten Werte im Zeitbereich zurückführen könnte.

Versuch 3

Zeitbereichseingabe:

Ich nahm jetzt die gleiche Wellenform und füllte sie mit Nullen auf, dh stellte alle Samples jenseits von 41 auf Null. Das Folgende ist also die Zeitdomäneneingabe:

0, 0.853079823, 0.857877516, 0.603896038, 0.762429734, 0.896260999, 0.695656841,  
0.676188057, 0.928419527, 0.897723205, 0.664562475, 0.765676034, 0.968738879, 
0.802820512, 0.632264626, 0.814329015, 0.875637458, 0.639141079, 0.696479632, 
0.954031849, 0.50925641, -0.50925641, -0.954031849, -0.696479632, -0.639141079, 
-0.875637458, -0.814329015, -0.632264626, -0.802820512, -0.968738879, -0.765676034, 
-0.664562475, -0.897723205, -0.928419527, -0.676188057, -0.695656841, -0.896260999, 
-0.762429734, -0.603896038, -0.857877516, -0.853079823, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0

Und die Wellenform:

Ich habe eine DFT dieser Samples basierend auf einem Radix 2-Algorithmus genommen und diese Werte erhalten:

0, 20.0329458083285-9.47487772467906i, -10.5723252177717-8.67648307596821i, 
-8.88751906208901E-002+0.354809649783859i, 3.59322342970171-0.714736578926027i, 
-3.28379151210465-4.42768029850565i, -0.232297876050463+0.434598758428557i, 
1.68672762980862+8.28636148716246E-002i, -1.54927040705738-3.7402696285012i, 
-0.551413356435698+0.608390885175318i, 0.616809338622588+0.187107067289195i, 
-0.458965526924983-3.09409425549091i, -0.966784216252588+0.645984560777537i, 
7.03082277241579E-003+4.21411299459407E-003i, 0.196179960454289-1.99184856512683i, 
-0.919089774378072+0.328855579674163i, 0.222736292145887+0.222736292145884i, 
1.23799833509466-3.45997355924453i, -3.29198268057418+0.324231994037239i, 
-0.495840326552116-0.827259606915814i, -0.434268223171498+0.649928325340974i, 
-1.13740282784196-0.168717771696843i, -8.50255402020411E-002-0.280291642522456i, 
-0.495871287837938+0.449431537929797i, -0.705190861543966-0.292099618913078i, 
-1.8498657760867E-003-3.76548829156425E-002i, -0.56327531746565+0.301076929791613i, 
-0.445444858519027-0.330364422654705i, -2.53084763487132E-002+0.12723430263342i, 
-0.608135034699087+0.152329896227613i, -0.254967975468-0.31067937701979i, 
-0.114451748984804+0.241987891739128i, -0.623647028694518, -0.114451748984793-
0.241987891739111i, -0.254967975467992+0.310679377019776i, -0.608135034699088-
0.152329896227612i, -2.53084763487126E-002-0.127234302633416i, 
-0.445444858519022+0.330364422654704i, -0.563275317465649-0.301076929791616i, 
-1.84986577609081E-003+3.76548829156447E-002i, -0.705190861543962+0.292099618913075i, 
-0.495871287837939-0.449431537929793i, -8.50255402020378E-002+0.280291642522452i, 
-1.13740282784196+0.168717771696845i, -0.434268223171501-0.649928325340972i, 
-0.495840326552115+0.827259606915815i, -3.29198268057417-0.324231994037237i, 
1.23799833509466+3.45997355924453i, 0.222736292145887-0.222736292145884i, 
-0.919089774378077-0.328855579674149i, 0.1961799604543+1.99184856512683i, 
7.03082277241257E-003-4.21411299459534E-003i, -0.966784216252593-0.645984560777534i, 
-0.458965526924974+3.09409425549092i, 0.616809338622592-0.187107067289204i, 
-0.551413356435713-0.608390885175314i, -1.54927040705737+3.74026962850121i, 
1.68672762980861-8.28636148716247E-002i, -0.232297876050455-0.434598758428559i, 
-3.28379151210465+4.42768029850566i, 3.59322342970171+0.714736578926018i, 
-8.88751906209093E-002-0.354809649783852i, -10.5723252177717+8.67648307596825i, 
20.0329458083285+9.47487772467899i 

Darstellung des Frequenzbereichs

Auch hier zeigen die Größen der obigen komplexen Zahlen nichts, was ich auf die injizierten Werte im Zeitbereich zurückführen kann.

ETA Da die Antworten hier auf ein Fenster hindeuteten, habe ich ein weiteres Experiment durchgeführt und nach vielen Fehlstarts die folgenden Ergebnisse erzielt.

Versuch 4

Darstellung im Zeitbereich

0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.853079823, 0.857877516, 0.603896038,
0.762429734, 0.896260999, 0.695656841, 0.676188057, 0.928419527, 0.897723205, 
0.664562475, 0.765676034, 0.968738879, 0.802820512, 0.632264626, 0.814329015, 
0.875637458, 0.639141079, 0.696479632, 0.954031849, 0.50925641, -0.50925641, 
-0.954031849, -0.696479632, -0.639141079, -0.875637458, -0.814329015, -0.632264626, 
-0.802820512, -0.968738879, -0.765676034, -0.664562475, -0.897723205, -0.928419527, 
-0.676188057, -0.695656841, -0.896260999, -0.762429734, -0.603896038, -0.857877516, 
-0.853079823, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0

Sieht aus wie:

Hamming-Fensterkoeffizienten

0.08, 0.082285843, 0.089120656, 0.100436509, 0.116120943, 0.136018076, 0.159930164, 
0.187619556, 0.218811064, 0.253194691, 0.290428719, 0.330143098, 0.371943129, 
0.415413385, 0.460121838, 0.505624157, 0.551468118, 0.597198104, 0.64235963, 
0.686503859, 0.729192067, 0.77, 0.808522089, 0.844375485, 0.877203861, 0.906680953, 
0.932513806, 0.954445679, 0.972258606, 0.985775552, 0.99486218, 0.999428184, 
0.999428184, 0.99486218, 0.985775552, 0.972258606, 0.954445679, 0.932513806, 
0.906680953, 0.877203861, 0.844375485, 0.808522089, 0.77, 0.729192067, 0.686503859, 
0.64235963, 0.597198104, 0.551468118, 0.505624157, 0.460121838, 0.415413385, 
0.371943129, 0.330143098, 0.290428719, 0.253194691, 0.218811064, 0.187619556, 
0.159930164, 0.136018076, 0.116120943, 0.100436509, 0.089120656, 0.082285843, 0.080.08, 
0.082285843, 0.089120656, 0.100436509, 0.116120943, 0.136018076, 0.159930164, 
0.187619556, 0.218811064, 0.253194691, 0.290428719, 0.330143098, 0.371943129, 
0.415413385, 0.460121838, 0.505624157, 0.551468118, 0.597198104, 0.64235963, 
0.686503859, 0.729192067, 0.77, 0.808522089, 0.844375485, 0.877203861, 0.906680953, 
0.932513806, 0.954445679, 0.972258606, 0.985775552, 0.99486218, 0.999428184, 
0.999428184, 0.99486218, 0.985775552, 0.972258606, 0.954445679, 0.932513806, 
0.906680953, 0.877203861, 0.844375485, 0.808522089, 0.77, 0.729192067, 0.686503859, 
0.64235963, 0.597198104, 0.551468118, 0.505624157, 0.460121838, 0.415413385, 
0.371943129, 0.330143098, 0.290428719, 0.253194691, 0.218811064, 0.187619556, 
0.159930164, 0.136018076, 0.116120943, 0.100436509, 0.089120656, 0.082285843, 0.08

Sieht aus wie das

Ihr Produkt (Wäre es nur ein einfaches Produkt?)

0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.354380777, 0.394728179, 0.305344425, 
0.420455691, 0.53524537, 0.446861871, 0.464205711, 0.676996154, 0.691246868, 
0.537313441, 0.646518073, 0.849781485, 0.727902068, 0.589595493, 0.77723281, 
0.851346054, 0.63004965, 0.692901245, 0.953486318, 0.508965209, -0.506639943, 
-0.940461272, -0.677158316, -0.610025441, -0.816544018, -0.738336608, -0.554624971, 
-0.67788196, -0.783246782, -0.589570546, -0.484593685, -0.616290445, -0.596379223, 
-0.403818226, -0.383632569, -0.453171212, -0.350810571, -0.250866497, -0.319081647, 
-0.281638415, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0

Aussehen wie:

Darstellung des Frequenzbereichs

1.01978454171002, -1.04956742046721-14.885596686908i, 
0.729587297164687+12.4883097743251i, -0.393281811348907-4.24261013057826i, 
0.761581725234628+3.2398820477072i, -0.876737136684714-3.79393194973719i, 
0.480276094694696+1.88418789653125i, -0.735142602781246-1.8175563772351i, 
1.02811278581892+2.5331069394699i, -0.584707361656586-1.41705783059227i, 
0.642189640425863+1.09157435002371i, -1.08027274688044-1.77950446999262i, 
0.690373934734768+1.16057125940753i, -0.45786262480057-0.586349217392973i, 
0.837117486838485+0.985681387258948i, -0.684335876271999-0.810862267851556i, 
0.930190039748881+0.842491953501215i, -2.11497450796919-1.82531206712061i, 
1.77660184883125+1.59539043421572i, -8.20687157856373E-003-0.123202767234891i, 
-0.280149317662962-0.244195928734504i, -0.313777442633104-0.174757927010731i, 
-5.83069102281942E-002+1.54514819958589E-002i, 0.211135948552966+0.12606544182717i, 
0.227409826380236+7.86489707052085E-002i, 2.49029866186928E-003-3.26908578232317E-002i, 
-0.204885728671642-7.60371335974082E-002i, -0.174609549526536-2.58285031988847E-002i, 
4.55943100777029E-002+3.62216126377679E-002i, 0.205437067084294+3.66474457853982E-002i, 
0.130866115437055-7.39089659931302E-003i, -8.90307098969982E-002-2.75195665163235E-
002i, -0.206016142964952, -8.90307098969848E-002+2.75195665163199E-002i, 
0.130866115437044+7.39089659931835E-003i, 0.205437067084297-3.66474457854036E-002i, 
4.55943100777004E-002-3.62216126377661E-002i, -0.174609549526531+2.58285031988801E-
002i, -0.204885728671643+7.60371335974132E-002i, 2.49029866187001E-
003+3.26908578232264E-002i, 0.227409826380234-7.86489707052067E-002i, 0.21113594855297-
0.126065441827174i, -5.83069102281978E-002-1.54514819958551E-002i, 
-0.313777442633101+0.174757927010727i, -0.280149317662962+0.244195928734507i, 
-8.20687157856043E-003+0.123202767234886i, 1.77660184883125-1.59539043421572i, 
-2.11497450796919+1.82531206712061i, 0.930190039748879-0.842491953501215i, 
-0.684335876271989+0.810862267851559i, 0.837117486838478-0.985681387258952i, 
-0.457862624800567+0.586349217392971i, 0.690373934734765-1.16057125940753i, 
-1.08027274688043+1.77950446999263i, 0.642189640425861-1.09157435002371i, 
-0.584707361656583+1.41705783059227i, 1.02811278581891-2.5331069394699i, 
-0.735142602781236+1.81755637723511i, 0.480276094694689-1.88418789653125i, 
-0.876737136684699+3.79393194973719i, 0.76158172523462-3.2398820477072i, 
-0.393281811348889+4.24261013057827i, 0.729587297164646-12.4883097743252i, 
-1.04956742046715+14.885596686908i

Sieht aus wie das:

Sind diese gültigen Ergebnisse?Weil ich immer noch nicht weiterkomme!

Ich habe zwei weitere Experimente durchgeführt und scheint den beabsichtigten Ergebnissen auf verblüffende Weise nahe zu sein, aber die Lösung fühlt sich für mich wie ein Hacker an.

Versuch 5

$3rd$$5th$$7th$$9th$$11th$

0, 0.853079823, 0.857877516, 0.603896038, 0.762429734, 0.896260999, 0.695656841, 
0.676188057, 0.928419527, 0.897723205, 0.664562475, 0.765676034, 0.968738879, 
0.802820512, 0.632264626, 0.814329015, 0.875637458, 0.639141079, 0.696479632, 
0.954031849, 0.50925641, -0.50925641, -0.954031849, -0.696479632, -0.639141079, 
-0.875637458, -0.814329015, -0.632264626, -0.802820512, -0.968738879, -0.765676034, 
-0.664562475, -0.897723205, -0.928419527, -0.676188057, -0.695656841, -0.896260999, 
-0.762429734, -0.603896038, -0.857877516, -0.853079823.

Ich habe eine lineare Interpolation durchgeführt und daraus 64 Samples abgeleitet. Sie sahen wie folgt aus:

Die Frequenzbereichsdarstellung im Vergleich zur gewünschten idealen Ausgabe (erstes Experiment) ist wie folgt:

Ich habe die zweite Hälfte des Probenraums entfernt, da sich die Komponenten nach dem Nyquist-Limit falten. Es gibt eine geringe Dämpfung bei den interessierenden Frequenzen, aber ein Grundrauschen wird über das Spektrum hinzugefügt. Erklärungen?

Versuch 6

Wie Experiment 5 , jedoch 32 interpolierte Abtastwerte.

Frequenzbereichsvergleich:

Die Verhältnisse stimmen, aber die Größen halbieren sich! Warum?

Ich kann also schlussfolgern und mich irren (ich hoffe es), dass, wenn die Anzahl der Abtastungen in einer vollständigen Wellenformperiode keine Potenz von 2 ist, die FFT derselben ohne irgendeine Operation nichts preisgibt Das entgeht mir im Moment.

Welche Optionen stehen mir zur Verfügung, um die Werte, die ich im Zeitbereich injiziert habe, zurückzugewinnen, da ich nur sehr wenig Kontrolle über die Abtastfrequenz habe?

Willkommen beim Fensterbau. Mit William G. nichts zu tun

Die einfachste Methode, mit der die Rauschfehler durch Mittelwertbildung brachial unterdrückt werden, besteht darin, eine große Anzahl von Zyklen abzutasten, damit die Randbedingungen nicht vorherrschen.

Ich habe Ihre numerischen Ergebnisse nicht angeschaut, aber:

Sehen Sie sich die zweite und dritte Grafik an.
Die von Ihnen angezeigten Wellenformen sind die Wellenformen, die analysiert werden.
Das erste Beispiel hat 2 positive und eine negative Halbwelle.
Ich würde erwarten, dass es in der 3. Harmonischen sehr stark ist und in anderen ungeraden Harmonischen vernünftigerweise nicht, und wahrscheinlich bei viel niedrigeren geraden. Das ist eine intuitive Vermutung.
Unabhängig vom Ergebnis beschreibt die Transformation (korrekt), was sie sieht und was Sie sehen.

Ich würde erwarten, dass das zweite Beispiel sehr schwer darzustellen ist und eine große Anzahl von Hochfrequenzkomponenten benötigt. Es ist 1/3 + ve, 1/3 -ve und 1/3 Null. Es ist eine Schande zu sagen, wie Sie leicht die Ausgabe für die rechte Hand auf Null bringen können, ohne dass sich eine große Anzahl nahezu gleicher Hochfrequenzterme mit etwa entgegengesetzter Phase gegenseitig aufhebt.

SO

Die DFT oder FFT sagt, was sie sieht. Sie müssen ganzzahlige Wellenformen des interessierenden Signals einspeisen oder die Endpunkte besonders berücksichtigen. Für letztere Aufgabe gibt es eine ganze Kunstform. Begriffe wie Windowing, Raised Cosine, Hamming Window (und vieles mehr) werden Sie auf Ihre Reise starten.

Wikipedia - Cooley Hann Lanczos Hamming Blackman Kaiser Nutttall und viele Freunde :-)

Wahrscheinlich nützlich

National Instruments und wieder hier

DFT-Spektrumanalyse

Die FFT-Ergebnisse zeigen tatsächlich alles über die ursprünglich eingespeisten Frequenzen. Da die injizierten Frequenzen in der FFT-Aperturlänge nicht genau periodisch waren, wurden die Frequenzen aufgrund dieser nicht periodenbezogenen Fensterung in Sinc-Wellenformen umgewandelt und dann erneut abgetastet. Um die ursprünglichen Frequenzen wiederherzustellen, müssen Sie möglicherweise die FFT dekonvolvieren, interpolieren und neu skalieren.

Dies ist keineswegs eine vollständige Antwort, und ich erwarte nicht, dass sie akzeptiert wird, aber ich denke auch, dass diese Antwort einen erheblichen pädagogischen Wert hat.

Ich kann also schlussfolgern und mich irren (ich hoffe es), dass, wenn die Anzahl der Abtastungen in einer vollständigen Wellenformperiode keine Potenz von 2 ist, die FFT derselben ohne irgendeine Operation nichts preisgibt Das entgeht mir im Moment.

Sie haben größtenteils recht. Die FFT nutzt die Symmetrie von Frequenzabtastwerten entlang des Einheitskreises in der z-Ebene:

Wenn Ihre Anzahl von Abtastwerten eine Potenz von 2 ist, wie oben gezeigt, können Sie Symmetrie sowohl über die reale Achse als auch über die imaginäre Achse sehen. Im Wesentlichen verwendet die FFT diese Symmetrie, um die Abtastwerte auf einen Quadranten (oder weniger - nicht sicher, ob die Details dieser Symmetrie zutreffen) des Einheitskreises zu reduzieren. Dies bedeutet, dass die FFT im Verhältnis zum gesamten Frequenzbereich nur eine geringe Anzahl von Berechnungen durchführen muss.

Mit dem Auffüllen mit Nullen können Sie die Auflösung der FFT erhöhen, indem Sie Nullen hinzufügen, um eine höhere Leistung von 2 Abtastwerten zu erzielen. Die Symmetrie ist immer noch da, es sind nur noch mehr Samples im Einheitskreis gepackt.

Wenn Sie also KEINE Potenz von 2 haben, werden weniger robuste FFTs für Sie nicht auf Null gesetzt, und Sie können in Ihrer Ausgabe auf Aliasing stoßen.