很多时候分析振动噪声信号时，可能要求集中关注一个有限的频率区间fmin≤f≤fmax，需要对这个频率区间做细化处理，也就是所谓的ZoomFFT。该方法本质上是基于表3-9中的第8个傅里叶变换对。这个傅里叶变换对表明，如果一个时域信号x（t）有一个傅里叶变换X（f），那么这个时域信号x（t）ej2πat将存在傅里叶变换X（f-a）。因此，测量的时域信号通过乘以指数项ej2πat，那么，信号的频谱将向下移动到f-a。
我们将通过一个实例，表明这个变换过程。我们有一个信号，是按10kHz采样得到的，因此，这个信号对应的频率范围为0≤f≤5kHz。我们将细化的频率范围为1900Hz≤f≤2100Hz，FFT变换样本点数为1024。
整个变换过程步骤如下：
1）定义要进行分析的频率范围1900Hz≤f≤2100Hz的中心频率fc=2000Hz。
2）整个测量的时域信号乘以ej2πfct，注意这将产生一个复数信号。这一过程同时使频率移动到-100Hz≤f≤100Hz。
3）对这个频率发生移动的信号的实部和虚部施加一个低通滤波器，带宽为100Hz。
4）对上一步低通后的信号进行抽样，每25个点抽样一个（5000/200=25）。(www.xing528.com)
5）将抽样后的实部和虚部再组合成一个复数信号。
6）对这个复数信号按每帧1024个样本点进行FFT变换。
7）将负频率移动到频谱的下半段。
注意到ZoomFFT处理并没有违背频谱分析这个重要的关系：时域数据块的时间长度等于频率分辨率的倒数：T=1/Δf。在第4）步中，对原始数据进行了抽样，因此，我们不得不使用25倍原来长度的时域信号才能保持1024个样本点。
为了获得相同的频率分辨率，另一种可行的办法是使用更大的数据点N=25×1024。对于大数据块进行FFT，早期是很难实现的，现今实现起来可能会容易些。虽然现在很少用到ZoomFFT，但它仍有使用价值与作用。
当用1024个样本点对原始信号做FFT时，其频率分辨率为9.765625Hz，而使用Zoom-FFT，相应的频带的频率分辨率为原来的1/25，为0.390625Hz，频率分辨率提高了25倍。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
