基于MATLAB的FFT滤波技术：实现波形数据谐波分析、频段清除与提取的全面解决方案

基于matlab的FFT滤波，可以实现对simulink模型中示波器的波形数据或者外部mat数据、csv数据进行谐波分析(FFT)和自定义频段清除，对已有数据特定频段的数据进行提取也可以。 优点是滤波前后波形无相位滞后，幅值衰减可补偿，不足之处在于不支持实时滤波。 图一是将图二的信号(含三次谐波)进行140hz-150hz频段谐波清除前后的时域及频谱图，图3是对给定数据进行特定频段信号提取。

江湖救急！做信号处理的朋友多少遇到过这样的场景：Simulink仿真波形里混着讨厌的谐波，CSV记录的数据藏着干扰信号。今儿咱就唠唠MATLAB里那个亲测好用的FFT滤波大法，保准让你的波形数据脱胎换骨。

先看个实战案例（对应文末图1-3）：把含有三次谐波的原始信号（图2）扔进咱们的滤波程序，140-150Hz的噪声直接消失，特定频段的信号还能单独拎出来（图3）。关键是滤波后的波形既不拖尾也不变矮，这可比传统滤波器讲究多了。

上硬货！先整段基础代码热热身：

% 读取外部数据三连击 data = readmatrix('your_data.csv'); % CSV文件 % load('your_data.mat'); % MAT文件 % simout = sim('your_model'); % Simulink模型 fs = 1000; % 采样率自己填 t = data(:,1); % 时间轴 raw = data(:,2); % 原始信号 N = length(raw); % 数据点数

FFT分析的核心操作其实就五行代码：

f = (-N/2:N/2-1)*(fs/N); % 构造频率轴 Y = fftshift(fft(raw)); % 移个位看得清楚 amp = abs(Y)/N*2; % 算幅值记得补偿 amp(1) = amp(1)/2; % 直流分量特殊处理 plot(f,amp) % 频谱图这不就有了

这里有个坑：直接拿fft的结果算幅值会丢系数，记得乘2/N（直流分量除外）。当年我就栽过这跟头，算出来的幅值永远对不上...

基于matlab的FFT滤波，可以实现对simulink模型中示波器的波形数据或者外部mat数据、csv数据进行谐波分析(FFT)和自定义频段清除，对已有数据特定频段的数据进行提取也可以。 优点是滤波前后波形无相位滞后，幅值衰减可补偿，不足之处在于不支持实时滤波。 图一是将图二的信号(含三次谐波)进行140hz-150hz频段谐波清除前后的时域及频谱图，图3是对给定数据进行特定频段信号提取。

重点来了——频段清除的骚操作：

% 自定义阻带范围 f_low = 140; % 下限频率 f_high = 150; % 上限频率 mask = (abs(f)>=f_low) & (abs(f)<=f_high); % 生成频率掩膜 Y_clean = Y.*~mask; % 阻带区域置零 % 逆变换回时域 filtered = real(ifft(ifftshift(Y_clean)));

这波操作相当于给频谱图挖了个坑，把不要的频率成分直接填平。注意ifftshift要和之前的fftshift配对使用，不然相位会跑偏。

想要提取特定频段？把掩膜条件反过来就行：

Y_extract = Y.*mask; % 只保留目标频段 extracted = real(ifft(ifftshift(Y_extract)));

最后补个幅值补偿的小技巧：

compensation = 1/(1 - (f_high - f_low)/(fs/2)); % 补偿系数 filtered = filtered * compensation; % 振幅补回来

这个补偿公式是我多次实验总结的，针对矩形窗的幅值衰减特好使。当然用汉宁窗的话得换系数，不过那就是另一个故事了。

这套方法最大的爽点就是零相位延迟，传统IIR滤波器根本做不到。但要注意它只能处理离线数据，实时系统里还是得老实用滤波器。下次遇到需要精准去除电源干扰或者提取特征频率的场景，不妨试试这招，保管让你的数据干净得发光！