当前位置：首页 > news >正文

基于Matlab的FFT信号分析：解锁Simulink波形数据谐波秘密

news 2026/5/24 9:44:42

基于matlab的FFT信号分析（1）实现对simulink模型中示波器的波形数据进行谐波分析（2）图1是matlab的信号给定仿真模型，用于将需要分析的波形数据导入到workspace。（3）图2是FFT程序运行结果：显示信号中包含的谐波分量的所处频段以及实际幅值。（4）图3是FFT程序运行结果：显示相对于基波分量，谐波分量的幅值占比，也即THD分析结果。

在信号处理的世界里，FFT（快速傅里叶变换）就像是一把神奇的钥匙，能让我们洞察信号在频域的奥秘。今天，咱们就来聊聊基于Matlab，如何对Simulink模型中示波器的波形数据进行谐波分析。

一、数据导入：搭建Matlab信号给定仿真模型

图1展示的Matlab信号给定仿真模型，它的作用至关重要，负责将需要分析的波形数据导入到workspace。在Simulink中搭建这样的模型，就好比构建了一条数据输送的高速公路。

比如简单的正弦波信号模型搭建，代码实现如下（Matlab脚本代码示例）：

t = 0:0.001:1; % 时间向量，从0到1秒，步长0.001秒 f = 50; % 设定正弦波频率为50Hz y = sin(2*pi*f*t); % 生成正弦波信号 figure; plot(t,y); % 绘制时域波形 xlabel('Time (s)'); ylabel('Amplitude'); title('Sine Wave in Time Domain');

这个简单代码块创建了一个50Hz的正弦波信号，并绘制出其在时域的波形。在实际Simulink模型中，我们会设置更复杂的信号输入和数据导出路径到workspace，以便后续分析。

二、FFT分析：挖掘谐波频段与幅值

数据成功导入workspace后，就轮到FFT大显身手了。图2展示的是FFT程序运行结果，这里能显示信号中包含的谐波分量所处频段以及实际幅值。

看看下面这段进行FFT分析的代码：

N = length(y); % 获取信号长度 Y = fft(y)/N; % 对信号进行FFT变换并归一化 f = (0:N - 1)*(1/(t(2)-t(1)))/N; % 计算频率向量 figure; plot(f(1:N/2),2*abs(Y(1:N/2))); % 绘制单边频谱 xlabel('Frequency (Hz)'); ylabel('Amplitude'); title('Single - Sided Amplitude Spectrum');

在这段代码里，首先获取信号长度N，接着使用fft函数对信号y进行傅里叶变换，并通过除以N进行归一化处理。之后，根据信号的采样时间间隔计算出频率向量f。最后绘制单边频谱图，从图中我们就能清晰看到各个谐波分量所在的频率以及对应的幅值。

三、THD分析：谐波幅值占比探秘

图3展示的是相对于基波分量，谐波分量的幅值占比，也就是THD（总谐波失真）分析结果。THD是衡量信号质量的一个重要指标，较低的THD意味着信号更接近理想波形。

计算THD的代码可以像这样写：

fundamental_index = find(f == f(2)); % 找到基波频率对应的索引 fundamental_amplitude = 2*abs(Y(fundamental_index)); % 获取基波幅值 harmonic_amplitudes = 2*abs(Y(2:fundamental_index)); % 获取谐波幅值 THD = sqrt(sum(harmonic_amplitudes.^2))/fundamental_amplitude; % 计算THD fprintf('THD of the signal is: %.2f%%\n', THD*100);

这段代码先找到基波频率对应的索引，从而获取基波幅值。然后提取出谐波幅值，通过公式计算出THD，并打印出结果。

通过Matlab的这些操作，从Simulink模型数据导入，到FFT分析谐波频段与幅值，再到计算THD，我们一步步揭开了信号的频域面纱，对信号的特性有了更深入的理解。无论是电力系统中的波形分析，还是音频信号处理，这种基于Matlab的FFT信号分析方法都有着广泛的应用。希望大家通过这篇博文，能在信号处理的探索之路上更进一步！

查看全文

http://www.jsqmd.com/news/555271/