傅氏变换分析是信号分析中很重要的方法，借助matlab可以很方便的对各类信号进行傅氏频域分析。本文介绍了集中离散的傅氏变换以及matlab实现方法。
1.离散序列的傅里叶变换DTFT(Discrete Time Fourier Transform)
代码：
N=8; %原离散信号有8点
n=[0:1:N-1] %原信号是1行8列的矩阵
xn=0.5.^n; %构建原始信号，为指数信号
w=[-800:1:800]*4*pi/800; %频域共-800----+800 的长度（本应是无穷，高频分量很少，故省去）
X=xn*exp(-j*(n'*w)); %求dtft变换，采用原始定义的方法，对复指数分量求和而得
subplot(311)
stem(n,xn);
title('原始信号(指数信号)');
subplot(312);
plot(w/pi,abs(X));
title('DTFT变换')
结果：
分析：可见，离散序列的dtft变换是周期的，这也符合Nyquist采样定理的描述，连续时间信号经周期采样之后，所得的离散信号的频谱是原连续信号频谱的周期延拓。
2.离散傅里叶变换DFT(Discrete Fourier Transform)
与1中DTFT不一样的是，DTFT的求和区间是整个频域，这对计算机的计算来说是不可以实现的，DFT就是序列的有限傅里叶变换。实际上，1中我给的代码也只是对频域的-800----+800中间的1601点求了和，也不是无数次求和。
实现代码：
N=8; %原离散信号有8点
n=[0:1:N-1] %原信号是1行8列的矩阵
xn=0.5.^n; %构建原始信号，为指数信号
w=[-8:1:8]*4*pi/8; %频域共-800----+800 的长度（本应是无穷，高频分量很少，故省去）
X=xn*exp(-j*(n'*w)); %求dtft变换，采用原始定义的方法，对复指数分量求和而得
subplot(311)
stem(n,xn);
w1=[-4:1:4]*4*pi/4;
X1=xn*exp(-j*(n'*w1));
title('原始信号(指数信号)');
subplot(312);
stem(w/pi,abs(X));
title('原信号的16点DFT变换')
subplot(313)
stem(w1/pi,abs(X1));
title('原信号的8点DFT变换'
结果图：
分析：DFT只是DTFT的现实版本，因为DTFT要求求和区间无穷，而DFT只在有限点内求和。
3.快速傅里叶变换FFT（Fast Fourier Transform）
虽然DFT相比DTFT缩减了很大的复杂度，但是任然有相当大的计算量，不利于信息的实时有效处理，1965年发现的DFT解决了这一问题。
实现代码：
N=64; %原离散信号有8点
n=[0:1:N-1] %原信号是1行8列的矩阵
xn=0.5.^n; %构建原始信号，为指数信号
Xk=fft(xn,N);
subplot(221);
stem(n,xn);
title('原信号');
subplot(212);
stem(n,abs(Xk));
title('FFT变换')
效果图：
分析：由图可见，fft变换的频率中心不在0点，这是fft算法造成的，把fft改为fftshift可以将频率中心移到0点。