深入解析FFT分析中负频率的含义及其物理意义

实数信号FFT分析：核心概念与频谱理解

在实际信号处理中，我们分析的通常是纯实数信号，不含虚部成分，典型的例子就是正弦波。当我们运用傅立叶变换（通常采用FFT算法）对信号进行频谱分析时，大多数人都知道，所得的频率结果分布在0Hz至奈奎斯特频率（即采样频率的一半）之间。同时，FFT输出的结果通常以复数形式呈现，因此既可以用幅值和相位来表示，也可以用实部和虚部来描述。

实例解析：128Hz正弦波的FFT分析

信号参数与采样设置

为了便于理解，我们设定一个频率为128Hz、幅值为5、初相位为60度的正弦波信号。信号的起始部分如图1所示。接下来，我们以每秒1024个采样点的速率，对该信号采集4秒的数据。这些采样点经过了精心选择，目的是避免截取为非周期信号，同时确保信号频率能够精确落在FFT的某一条谱线上。

图1 正弦波信号波形

半谱FFT分析结果

对该信号执行常规FFT计算后，得到的幅值和相位结果如图2所示。

图2 FFT半谱显示

观察发现，计算得到的幅值为2.5，恰好是原始信号幅值的一半。从数学角度看，这是正常现象，后续会详细解释。不过，部分商业软件直接显示幅值为5，这是因为这些软件自动对FFT结果进行了加倍处理。

此外，相位显示为-30度，而原始正弦波的初相位是60度。这个-30度实际上是正确的，原因在于FFT采用余弦定义实部、正弦定义虚部。因此，FFT的0度被用作余弦波在正峰起始时的参考点。也就是说，初相位为60度的正弦波，与初相位为-30度的余弦波是等价的。

从数学上可以推导如下：

sin(60)=sin(90-30)=sin(90)cos(-30)+cos(90)sin(-30)=cos(-30)

实用提示： 在工程实践中，FFT输出的幅值通常需要乘以2/N（N为采样点数）才能还原为真实的单边幅值，但不同软件工具的实现方式各有差异，请务必确认所用软件的具体约定，以免误读结果。

半范围与全范围FFT的对比

半范围FFT的定义

通常展示的频率范围0至奈奎斯特频率，被称为半范围傅立叶变换。实际上，我们也可以选择全范围的变换，即频率范围从0到采样频率，或者从负奈奎斯特频率到正奈奎斯特频率（-采样频率/2至+采样频率/2）。后一种表示方式在解释上更为直观，同时引入了负频率的概念，看似复杂实则非常符合物理直觉。下面让我们回顾一下基础知识。

正负频率与旋转向量的关系

按照惯例，正旋转方向为逆时针。当一个向量的端点以角频率ω旋转时，其轨迹对应正弦波 Asin ωt = Asin 2π ft。波形的过去与未来如图所示。

图3 逆时针旋转的向量示意

现在，我们观察同样的设置，但向量改为顺时针旋转。

图4 顺时针旋转的向量示意

两种旋转方式产生的波形完全相同。因此，当我们测量这个正弦波时，无法确定波形的起始时刻，也无法判断它是顺时针还是逆时针旋转。实际上，正频率对应逆时针旋转，负频率对应顺时针旋转。对于实测的实数信号，我们无法区分正负频率的差异。

全范围FFT的结果展示

现在，我们对同一个正弦波执行从-采样频率/2至+采样频率/2的全范围FFT计算，结果如图5所示。

图5 全范围FFT频谱

可以看到，频谱中存在两个分量，幅值均为2.5，但一个位于负频率-128Hz（相位为+30度），另一个位于正频率+128Hz（相位为-30度）。这两个分量组合起来，就还原了原始的正弦波。对于纯实数信号而言，负频率的幅值是正频率幅值的镜像，而相位则取相反数。由于正频率部分已经完全包含了负频率的信息，因此在实际计算中无需单独处理负频率，因为它们不提供额外的信息量。

数学公式推导与验证

从数学角度，用幅值 A 和相位 ɷ 来描述一个信号：

Ae ^iɷ^ =A(cos ɷ + i sinɷ)，而ɷ=2πf+θ

因此，正频率成分可以表示为：

Acos (2πf-30)+i Asin (2πf-30)

负频率成分则表示为：

Acos (-2πf+30)+i Asin (-2πf+30)

整个信号合成如下：

Acos (2πf-30)+i Asin (2πf-30)+ Acos(-2πf+30)+i Asin(-2πf+30)

根据三角恒等式：

cos (-ɷ)= cos (ɷ)
sin(-ɷ)=-sin(ɷ)

因此，负频率成分可以改写为：

Acos (2πf-30)-i Asin (2πf-30)

将信号的完整表达式化简后得到：

2Acos (2πf-30)=2Asin (2πf+30)

这表明，合成信号的相位与正频率成分的相位一致，而幅值则是正频率成分幅值的两倍。

常见问题解答

Q1: 为什么商业软件有时直接显示幅值5？

答： 为了提升用户体验，许多商业FFT软件会自动对正频率分量的幅值进行加倍（即乘以2），从而直接呈现原始信号的真实幅值。但需要注意的是，原始FFT输出的复数结果中，正频率分量的幅值仅为实际信号幅值的一半。因此，了解所用软件是否执行了自动加倍处理，能够有效避免结果误判。

Q2: FFT结果中的负频率是否必不可少？

答： 对于纯实数信号而言，负频率部分完全可以通过正频率部分的镜像对称推导出来，因此不包含额外信息。然而，在分析复数信号（例如IQ数据、旋转机械振动信号等）时，负频率与正频率相互独立，必须完整保留。此外，在进行全范围FFT（从-Nyquist到+Nyquist）时，负频率有助于更直观地理解信号的时间-频率关系，例如旋转方向等物理含义。

Q3: 如何从半谱还原出全谱？

答： 如果已知半谱（0~Nyquist）的幅值和相位，可以通过对称构造的方式还原全谱：将正频率的幅值复制到对应的负频率位置，同时将相位取相反数。需要注意的是，直流分量（0Hz）和奈奎斯特频率分量（采样频率/2）在对称处理时需要特殊对待（通常只出现一次）。在实际操作中，许多FFT函数提供了“shift”选项，方便直接显示从负频率到正频率的完整频谱。

通过以上讲解，相信您已经理解了实数信号FFT结果中幅值减半和相位偏移的根本原因，也掌握了半谱与全谱之间的关系以及负频率的物理意义。在实际工程应用中，根据分析目标选择合适的频谱表示形式，将有助于更准确地解读信号特征。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：深入解析FFT分析中负频率的含义及其物理意义要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题