有人知道如何用IFFT(x)函数构造原始离散时间信号吗?

我的荣幸。

的 fftshift 函数 “ys1” 旋转 “y” 长度减半，这样 0 Hz是在矢量的中心，而不是在起点。在 “ys2” 与你的 24 -元素向量(和 24 元素 fft 的索引范围) 8:18 平移后的向量合并 5 频率的“左”的中心，中心 0 Hz，和 5 频率在中心的“右边”，因为对称很重要。然后我把它移回去，发现它没有按我想要的方式移动(所以 0 Hz是第一个元素)使用 fliplr 让它在正确的方向。然后我做了 传输线 就能得到结果。

如果您不使用这两个赋值，我的代码将无法工作!

如果用更长的数据向量，演示会更令人印象深刻，因为这样我就能演示吉布斯现象了。它确实是可见的，但很难用如此少的数据在图中解释。由于高频元件的损失，这是造成红线中“之”字形外观的原因。

-------------------------------------------------------

编辑 - - - - - - 不要在频域做零垫。对时域信号进行零填充的目的是提高变换后频谱的频率分辨率。时域信号不一定是对称的(没有理由期望它是对称的)。频域信号 是 对称的，使零填充，即使是对称的零向量，也是有问题的。我从来没有对频域信号进行过零填充，在我的信号处理参考文献中也找不到任何关于它的讨论(快速搜索)。如果你能找到这样的参考，请分享。我刚试过了，但没找到有用的东西。

显然，可以使用 fft ，以及 interpft 函数就是这样做的。文档没有详细说明它是如何工作的。

我的荣幸。

你必须在这里附上一份论文的PDF(使用“回形针”图标)，这样我就可以阅读它，了解他们在做什么和他们的方法。我可能不能免费使用它。

他们可能只是使用一个离散的低通滤波器来只通过第一个 4 时域信号中的频率。这就是 我 会这么做的。(奈奎斯特频率是 1/12 周期/小时，因此滤波器的归一化频率为 4/12 或 (1/3) *π 弧度)。一个FIR滤波器或一个类型 2 切比雪夫设计是我的选择。看看这些作者是如何做到的将会很有趣。

这是一个有趣的概念。

如果你想做频域分析，只用 24 点，你可以很容易地使用循环计算Eqns （4） 而且 (6） ．我怀疑使用这种方法会有什么好处 fft 函数，考虑到要恢复的数据和记录的长度仅为 24 样本。

也就是说，为了避免使用简单的过滤器，这似乎绕了很长一段路。我能看到这种方法的唯一优点是，如果隔离各种谐波的滤波器比数据记录更长。这就是a的情况 冷杉 过滤器，但可能不是与 信息检索 过滤器。这篇论文没有讨论他们的方法相对于使用离散滤波器的优势，而且由于我没有做负荷预测的经验，我没有处理为这类数据设计滤波器的实际方面。

看看这个过滤方法是否如你所愿:

的代码 - - - - - -

波德图的单位是 赫兹 ．实际上，它们的单位是 “周期/天” ．

的 “+” 在前面 “x” 在 “+ x” 将逻辑向量转换为数值向量。这与真实数据没有任何区别。

情节 - - - - - -