excel中如何进行傅里叶变换 可否用excel做出傅里叶变换
\u5982\u4f55\u7528matlab\u5bf9Excel\u4e2d\u7684\u6570\u636e\u505a\u5085\u91cc\u53f6\u53d8\u6362\uff1fexcel\u91cc\uff0cexcel\u52a0\u8f7d\u9879\uff0c\u5206\u6790\u5de5\u5177\u5e93\u52fe\u9009\uff0c\u91cc\u9762\u5c31\u6709 \u5085\u91cc\u53f6\u5206\u6790\uff0c\u76f4\u63a5\u7528\u5c31\u884c\u4e86\u3002
matlab\u8981\u8c03\u7528\uff0c\u6700\u597d\u628aexcel\u6587\u4ef6\u53e6\u5b58\u4e3acsv\u6587\u4ef6\u5427\uff0c\u65b9\u4fbf\u89e3\u6790\u3002
\u7528MATLAB \u5b9e\u73b0\u5085\u91cc\u53f6\u53d8\u6362:
\u7528\u6237\u4efb\u610f\u8f93\u5165\u4e00\u4e2a\u51fd\u6570\uff0c\u7136\u540e\uff0c\u8f93\u51fa\u51fd\u6570\u7684\u5085\u91cc\u53f6\u53d8\u6362\u51fd\u6570\uff0c\u7136\u540e\u8f93\u51fa\u632f\u5e45\u9891\u7387 \u3002
x=sin(2*pi*t); %\u4efb\u610f\u8f93\u5165\u4e00\u4e2a\u51fd\u6570\u3002
y=fft(x); %\u5085\u91cc\u53f6\u53d8\u6362\u51fd\u6570\u3002
plot(abs(y)); %\u632f\u5e45\u9891\u7387\u3002
\u51fd\u6570\uff08function\uff09\u8868\u793a\u6bcf\u4e2a\u8f93\u5165\u503c\u5bf9\u5e94\u552f\u4e00\u8f93\u51fa\u503c\u7684\u4e00\u79cd\u5bf9\u5e94\u5173\u7cfb\u3002\u8fd9\u79cd\u5173\u7cfb\u4f7f\u4e00\u4e2a\u96c6\u5408\u91cc\u7684\u6bcf\u4e00\u4e2a\u5143\u7d20\u5bf9\u5e94\u5230\u53e6\u4e00\u4e2a\uff08\u53ef\u80fd\u76f8\u540c\u7684\uff09\u96c6\u5408\u91cc\u7684\u552f\u4e00\u5143\u7d20\u3002\u51fd\u6570f\u4e2d\u5bf9\u5e94\u8f93\u5165\u503c\u7684\u8f93\u51fa\u503cx\u7684\u6807\u51c6\u7b26\u53f7\u4e3af(x)\u3002\u5305\u542b\u67d0\u4e2a\u51fd\u6570\u6240\u6709\u7684\u8f93\u5165\u503c\u7684\u96c6\u5408\u88ab\u79f0\u4f5c\u8fd9\u4e2a\u51fd\u6570\u7684\u5b9a\u4e49\u57df\uff0c\u5305\u542b\u6240\u6709\u7684\u8f93\u51fa\u503c\u7684\u96c6\u5408\u88ab\u79f0\u4f5c\u503c\u57df\u3002\u82e5\u5148\u5b9a\u4e49\u6620\u5c04\u7684\u6982\u5ff5\uff0c\u53ef\u4ee5\u7b80\u5355\u5b9a\u4e49\u51fd\u6570\u4e3a\uff0c\u5b9a\u4e49\u5728\u975e\u7a7a\u6570\u96c6\u4e4b\u95f4\u7684\u6620\u5c04\u79f0\u4e3a\u51fd\u6570\u3002
\u5085\u91cc\u53f6\u53d8\u6362\u80fd\u5c06\u6ee1\u8db3\u4e00\u5b9a\u6761\u4ef6\u7684\u67d0\u4e2a\u51fd\u6570\u8868\u793a\u6210\u4e09\u89d2\u51fd\u6570\uff08\u6b63\u5f26\u548c/\u6216\u4f59\u5f26\u51fd\u6570\uff09\u6216\u8005\u5b83\u4eec\u7684\u79ef\u5206\u7684\u7ebf\u6027\u7ec4\u5408\u3002\u5728\u4e0d\u540c\u7684\u7814\u7a76\u9886\u57df\uff0c\u5085\u91cc\u53f6\u53d8\u6362\u5177\u6709\u591a\u79cd\u4e0d\u540c\u7684\u53d8\u4f53\u5f62\u5f0f\uff0c\u5982\u8fde\u7eed\u5085\u91cc\u53f6\u53d8\u6362\u548c\u79bb\u6563\u5085\u91cc\u53f6\u53d8\u6362\u3002
傅立叶变换分为四种类别：
1、非周期性连续信号傅立叶变换(Fourier Transform, FT)。
2、周期性连续信号傅立叶级数(Fourier Series, FS)。
3、非周期性离散信号离散时域傅立叶变换(Discrete Time Fourier Transform, DTFT)。
4、周期性离散信号离散傅立叶变换(Discrete Fourier Transform, DFT)。
Excel的傅立叶分析是快速傅里叶变换(Fast Fourier Transform)及其逆变换。快速傅里叶变换是利用计算机计算离散傅里叶变换(DFT)的高效、快速计算方法的统称。
快速傅里叶变换有广泛的应用：数字信号处理、计算大整数乘法、求解偏微分方程、用于判断时间序列周期性。
扩展资料：
傅里叶变换的应用：
傅里叶变换是线性算子，若赋予适当的范数，它还是酉算子。傅里叶变换的逆变换容易求出，而且形式与正变换非常类似。
正弦基函数是微分运算的本征函数，从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内，频率是个不变的性质，从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取。
著名的卷积定理指出：傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段。
离散形式的傅里叶变换可以利用数字计算机快速的算出（其算法称为快速傅里叶变换算法（FFT))。
f(t)是t的周期函数，如果t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f（x）单调或可划分成有限个单调区间。
则F（x）以2T为周期的傅里叶级数收敛，和函数S（x）也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点；绝对可积。
傅立叶变换分为四种类别：
1、非周期性连续信号傅立叶变换(Fourier Transform, FT)。
2、周期性连续信号傅立叶级数(Fourier Series, FS)。
3、非周期性离散信号离散时域傅立叶变换(Discrete Time Fourier Transform, DTFT)。
4、周期性离散信号离散傅立叶变换(Discrete Fourier Transform, DFT)。Excel的傅立叶分析是快速傅里叶变换(Fast Fourier Transform)及其逆变换。快速傅里叶变换是利用计算机计算离散傅里叶变换(DFT)的高效、快速计算方法的统称。
快速傅里叶变换有广泛的应用：数字信号处理、计算大整数乘法、求解偏微分方程、用于判断时间序列周期性。
扩展资料：
根据原信号的回不同类型，我们可以把傅里叶变换分为四种类别：
1、非周期性连续信号傅里叶变换（Fourier Transform）
2、周期性连续信号傅里叶级数答(Fourier Series)
3、非周期性离散信号离散时域傅里叶变换（Discrete Time Fourier Transform）
4、周期性离散信号离散傅里叶变换(Discrete Fourier Transform)
参考资料：百度百科-傅里叶变换
1.对于时间序列，可以展开成傅立叶级数，进行频谱分析。对于时间序列xt其傅立叶级数展开式为展开成傅立叶级数：
2.傅立叶分析工具应用操作步骤：
（1）输入数据并中心化：时间、时间序号t、观测值xt、中心化(减x平均值）、求频率fi(=i/N).
（2）由傅立叶分析工具求中心化数据序列的傅立叶变换。
（3）IMREAL和IMAGINARY提取实部和虚部，按公式5计算频率强度（或由IMCONJUGATE求得共轭复数，再由IMPRODUCT求得两共轭复数乘积，得频率强度。
（4）以频率为横坐标、频率强度为纵坐标，绘制频率强度图。
（5）分析周期性。由频率强度最大的所对应的频率倒数即得周期。
3.由图可见，序列显现周期性变化，在整个时期范围内，周期为4.下面利用傅立叶分析工具进行频谱分析。
（1）在B18单元格输入“=AVERAGE(B2:B17)”求得观测值的平均值；在C2单元格输入“=B2/B$18”，将观测值中心化（均值为0,并仍保持原序列的方差），并复制到C3:C17。
（2）从“数据”选项卡选择“数据分析”｜选择“傅利叶分析”弹出对话框并设置如
（3）单击“确定”生成傅立叶变换序列（图 20‑2 D列）。
（4）在E2单元格输入“=IMCONJUGATE(D2)”求得傅利叶变换值的共轭复数，并复制到E3:E17；在F3至F17输入1至15,列出周期序列；在G3单元格输入“=F3/16”求得频率，并复制到G4:G17；在H3单元格输入“=IMPRODUCT(D3:E3)*8”（即根据公式5）求得频率强度，并复制到H4:H17。
（5）以G3:H17为源数据，插入散点图，得图 20‑4所示频率强度频谱图。
由图可见，图形完全对称，通常只取左半部分。频率强度最大的所对应的频率为0.25,其倒数为4,即周期为4.
绛旓細1銆侀潪鍛ㄦ湡鎬ц繛缁俊鍙鍌呯珛鍙跺彉鎹(Fourier Transform, FT)銆2銆佸懆鏈熸ц繛缁俊鍙峰倕绔嬪彾绾ф暟(Fourier Series, FS)銆3銆侀潪鍛ㄦ湡鎬х鏁ｄ俊鍙风鏁ｆ椂鍩熷倕绔嬪彾鍙樻崲(Discrete Time Fourier Transform, DTFT)銆4銆佸懆鏈熸х鏁ｄ俊鍙风鏁ｅ倕绔嬪彾鍙樻崲(Discrete Fourier Transform, DFT)銆Excel鐨鍌呯珛鍙跺垎鏋愭槸蹇鍌呴噷鍙跺彉鎹(F...
绛旓細锛1锛夊湪B18鍗曞厓鏍艰緭鍏モ=AVERAGE(B2:B17)鈥濇眰寰楄娴嬪肩殑骞冲潎鍊硷紱鍦–2鍗曞厓鏍艰緭鍏モ=B2/B$18鈥濓紝灏嗚娴嬪间腑蹇冨寲锛堝潎鍊间负0,骞朵粛淇濇寔鍘熷簭鍒楃殑鏂瑰樊锛夛紝骞跺鍒跺埌C3:C17銆傦紙2锛変粠鈥滄暟鎹濋夐」鍗￠夋嫨鈥滄暟鎹垎鏋愨濓綔閫夋嫨鈥滃倕鍒╁彾鍒嗘瀽鈥濆脊鍑哄璇濇骞惰缃 锛3锛夊崟鍑烩滅‘瀹氣濈敓鎴鍌呯珛鍙跺彉鎹搴忓垪锛堝浘 20...
绛旓細excel閲岋紝excel鍔犺浇椤癸紝鍒嗘瀽宸ュ叿搴撳嬀閫夛紝閲岄潰灏辨湁 鍌呴噷鍙跺垎鏋愶紝鐩存帴鐢ㄥ氨琛屼簡銆俶atlab瑕佽皟鐢紝鏈濂芥妸excel鏂囦欢鍙﹀瓨涓篶sv鏂囦欢鍚э紝鏂逛究瑙ｆ瀽銆
绛旓細鍌呴噷鍙跺彉鎹㈢殑瀹炶川鏄皢涓涓俊鍙峰垎绂讳负鏃犵┓澶氬姝ｅ鸡/澶嶆寚鏁颁俊鍙风殑鍔犳垚锛屼篃灏辨槸璇达紝鎶婁俊鍙峰彉鎴愭寮︿俊鍙风浉鍔犵殑褰㈠紡鈥斺旀棦鐒舵槸鏃犵┓澶氫釜淇″彿鐩稿姞锛岄偅瀵逛簬闈炲懆鏈熶俊鍙锋潵璇达紝姣忎釜淇″彿鐨勫姞鏉冨簲璇ラ兘鏄浂鈥斺斾絾鏈夊瘑搴︿笂鐨勫樊鍒紝浣犲彲浠ュ姣旀鐜囪涓殑姒傜巼瀵嗗害鏉ユ濊冧竴涓嬧斺旇惤鍒版瘡涓涓偣鐨勬鐜囬兘鏄棤闄愬皬锛屼絾杩欎簺鏃...
绛旓細鍙互鐢 hold on 鐨勫懡浠ゃ傚嵆 plot(f(2:N/2),A1(2:N/2)); %鍑芥暟fft杩斿洖鍊肩殑鏁版嵁缁撴瀯鍏锋湁瀵圭О鎬,鍥犳鎴戜滑鍙彇鍓嶄竴鍗 hold on plot(f(2:N/2),A2(2:N/2)); %鍑芥暟fft杩斿洖鍊肩殑鏁版嵁缁撴瀯鍏锋湁瀵圭О鎬,鍥犳鎴戜滑鍙彇鍓嶄竴鍗妕itle('骞呭奸璋')xlabel('棰戠巼(Hz)')ylabel('骞呭')
绛旓細鎵ц绠鍗曞埌澶嶆潅鐨勬暟瀛﹀拰绉戝璁＄畻瀵瑰缁存暟缁勫璞＄殑寮哄ぇ鏀寔浠ュ強鐢ㄤ簬澶勭悊鏁扮粍鍏冪礌鐨勫嚱鏁板拰鏂规硶鐨勯泦鍚鍌呴噷鍙跺彉鎹鍜屾暟鎹鐞嗕緥绋嬫墽琛岀嚎鎬т唬鏁拌绠,杩欏浜庢満鍣ㄥ涔犵畻娉(渚嬪绾挎у洖褰,閫昏緫鍥炲綊,鏈寸礌璐濆彾鏂瓑)鏄繀闇鐨勩係ciPy SciPy搴撳缓绔嬪湪NumPy涔嬩笂,鏄竴缁勫瓙杞欢鍖呯殑闆嗗悎,鍙府鍔╄В鍐充笌缁熻鍒嗘瀽鏈夊叧鐨勬渶鍩烘湰闂銆係ciPy搴撶敤浜庡鐞...
绛旓細鍏夎氨浠浆鎹负word锛 鏄厜璋辨暟鎹惂銆傚叾瀹烇紝鏁版嵁瀛樺偍鐨勬牸寮忓彲鍙﹀瓨涓 *.SCV 鏍煎紡锛屽彲浠ョ敤 Excel 鎵撳紑銆
绛旓細鍗曚緥妯″紡(Singleton Pattern)锛氬崟渚嬫ā寮忕‘淇濇煇涓涓被鍙湁涓涓疄渚嬶紝鑰屼笖鑷瀹炰緥鍖栧苟鍚戞暣涓郴缁熸彁渚涜繖涓疄渚嬶紝杩欎釜绫荤О涓哄崟渚嬬被锛屽畠鎻愪緵鍏ㄥ眬璁块棶鐨勬柟娉曘傚崟渚嬫ā寮忕殑瑕佺偣鏈変笁涓細涓鏄煇涓被鍙兘鏈変竴涓疄渚嬶紱浜屾槸瀹冨繀椤昏嚜琛屽垱寤鸿繖涓疄渚嬶紱涓夋槸瀹冨繀椤昏嚜琛屽悜鏁翠釜绯荤粺鎻愪緵杩欎釜瀹炰緥銆傚崟渚嬫ā寮忔槸涓绉嶅璞″垱寤哄瀷...
绛旓細鍙︿竴绉嶆柟娉曟洿鐩存帴锛屽氨鏄垜鎶奆FT鍋氭垚浜嗕竴涓姩鎬侀摼鎺ュ簱wfft.dll锛岀劧鍚庝綘鎵撳紑EXCEL锛屽湪绗竴鍒椾骇鐢熶竴涓嚜鍔ㄧ敓鎴愮殑鍑芥暟鍊硷紝姣斿cos(2pi*w) + cos(16pi *w)锛岀劧鍚庣敤瀹忚皟鐢ㄦ垜杩欎釜鍔ㄦ侀摼鎺ュ簱锛屽氨鍦ㄥ彟澶栦袱鍒楄嚜鍔ㄧ敓鎴愪簡骞呴鍜岀浉棰戞暟鍒楋紝閫夋嫨杩欎袱涓簭鍒楀氨鍙互鑷姩鐢熸垚鏇茬嚎鍜屽浘琛ㄤ簡 闇瑕佺殑璇濇垜鍙互鎶婃垜鍋...
绛旓細1銆侀鍏堬紝鎵撳紑MATLAB R2016b锛岃緭鍏銆亂鍧愭爣鍊硷紝鍦ㄦ湰瀹炰緥涓紝濡傚浘鎵绀恒2銆佺劧鍚庯紝灏唜銆亂鏁板艰浆鍖栦负瀛楃涓诧紝杈撳叆鍛戒护锛屽涓嬪浘鎵绀恒3銆佹帴鐫锛屽悎骞跺瓧绗︿覆xs鍜寉s锛岃緭鍏ュ懡浠わ紝濡備笅鍥炬墍绀恒4銆佸zs杩涜杞疆锛屽嵆鍙緱鍒板潗鏍噚涓巠鍚堝苟鍚庣殑缁撴灉(x,y)锛岃浆缃懡浠わ紝濡備笅鍥炬墍绀恒5銆佹渶鍚庯紝鎵撳紑宸ヤ綔鍖虹殑zs锛屽湪...
