如何在Julia中提取任意函数的频率分量？

1. 准备工作：安装并导入依赖包 #

Julia里做FFT主要用FFTW包，搭配Plots可以直观查看结果，第一次使用先安装：

using Pkg
Pkg.add("FFTW")
Pkg.add("Plots")

导入包：

using FFTW, Plots

2. 构造测试正弦信号 #

以5Hz的纯正弦波为例，先明确几个核心参数（必须符合奈奎斯特采样准则：采样频率≥2倍信号最高频率）：

fs = 100.0               # 采样频率(Hz)，远大于2*5Hz
t = 0:1/fs:2-1/fs        # 时间序列，从0到2秒，步长为采样间隔
f0 = 5.0                 # 目标正弦波频率
x = sin.(2π * f0 * t)    # 生成正弦信号

3. 计算FFT并处理结果 #

直接调用fft()得到的是复数数组，需要转换为可解读的幅度谱，并生成对应的频率轴：

X = fft(x)               # 计算FFT
N = length(x)            # 采样点数
freqs = fftfreq(N, fs)   # 生成频率轴，范围是 -fs/2 到 fs/2

接下来做幅度归一化（修正FFT结果的幅度与采样点数的关联）：

amp = abs.(X) / N        # 基础归一化
amp[2:end-1] .*= 2       # 非直流分量乘以2，因为实信号的FFT结果是共轭对称的

4. 可视化验证结果 #

画幅度谱就能清晰看到5Hz的峰值：

plot(freqs, amp, xlabel="频率(Hz)", ylabel="幅度", title="正弦波FFT幅度谱", xlim=(-10,10))

运行后会在5Hz和-5Hz位置看到明显峰值，这就是信号的频率分量。

你可能踩过的坑 #

• 没生成频率轴：直接看fft()输出的数组，不知道每个元素对应哪个频率，fftfreq()是关键
• 未做幅度归一化：原始FFT结果的幅度和采样点数挂钩，归一化后才能得到真实信号幅度
• 采样频率不达标：如果采样频率低于2倍信号频率，会发生混叠，看不到正确峰值
• 忽略FFT对称性：实信号的FFT结果对称，非直流分量必须乘以2才能还原真实幅度

内容的提问来源于stack exchange，提问作者NaiDoeShacks