㈠ fftshift 与fft结合得到图像
fftshift的作用正是让正半轴部分和负半轴部分的图像分别关于各自的中心对称。因为直接用fft得出的数据与频率不是对应的，fftshift可以纠正过来 以下是Matlab的
㈡ matlab中fft（）函数是什么意思
FFT（快速傅里叶变换）是一种实现DFT（离散傅里叶变换）的快速算法，是利用复数形式的离散傅里叶变换来计算实数形式的离散傅里叶变换，matlab中的fft()函数是实现该算法的实现。
MATLAB它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
快速傅里叶变换, 即利用计算机计算离散傅里叶变换（DFT)的高效、快速计算方法的统称，简称FFT。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的。采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省就越显着。
(2)fftshiftc语言扩展阅读：
matlab优势特点：
1、高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来；
2、具有完备的图形处理功能，实现计算结果和编程的可视化；
3、友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握；
4、功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等) ，为用户提供了大量方便实用的处理工具。
参考资料来源：
网络-快速傅里叶变换
网络-MATLAB
㈢ 求用C语言实现FFT变换的程序（见下面）
你好，这是我的回答，希望可以帮到你。
1）结果讨论
一，如果对信号进行同样点数N的FFT变换，采样频率fs越高，则可以分析越高频的信号；与此同时，采样频率越低，对于低频信号的频谱分辨率则越好。
二，假设采样点不在正弦信号的波峰、波谷、以及0电压处，频谱则会产生泄露（leakage）。
三，对于同样的采样率fs，提高FFT的点数N，则可提高频谱的分辨率。
四，如果采样频率fs小于2倍信号频率2*fs（奈圭斯特定理），则频谱分析结果会出错。
五，对于（二）中泄露现象，可以通过在信号后面补零点解决。
2）程序及注解如下
%清除命令窗口及变量
clc;
clear all;
%输入f、N、T、是否补零（补几个零）
f=input('Input frequency of the signal: f\n');
N=input('Input number of pointsl: N\n');
T=input('Input sampling time: T\n');
flag=input('Add zero too sampling signal or not? yes=1 no=0\n');
if(flag)
ZeroNum=input('Input nmber of zeros\n');
else
ZeroNum=0;
end
%生成信号，signal是原信号。signal为采样信号。
fs=1/T;
t=0:0.00001:T*(N+ZeroNum-1);
signal=sin(2*pi*f*t);
t2=0:T:T*(N+ZeroNum-1);
signal2=sin(2*pi*f*t2);
if (flag)
signal2=[signal2 zeros(1, ZeroNum)];
end
%画出原信号及采样信号。
figure;
subplot(2,1,1);
plot(t,signal);
xlabel('Time(s)');
ylabel('Amplitude(volt)');
title('Singnal');
hold on;
subplot(2,1,1);
stem(t2,signal2,'r');
axis([0 T*(N+ZeroNum) -1 1]);
%作FFT变换，计算其幅值，归一化处理，并画出频谱。
Y = fft(signal2,N);
Pyy = Y.* conj(Y) ;
Pyy=(Pyy/sum(Pyy))*2;
f=0:fs/(N-1):fs/2;4
subplot(2,1,2);
bar(f,Pyy(1:N/2));
xlabel('Frequency(Hz)');
ylabel('Amplitude');
title('Frequency compnents of signal');
axis([0 fs/2 0 ceil(max(Pyy))])
grid on;
祝你好运！
我可以帮助你，你先设置我最佳答案后，我网络Hii教你。
㈣ matlab中fftshift是什么意思
fftshift的作用正是让正半轴部分和负半轴部分的图像分别关于各自的中心对称。因为直接用fft得出的数据与频率不是对应的，fftshift可以纠正过来
以下是Matlab的帮助文件中对fftshift的说明：
Y = fftshift(X) rearranges the outputs of fft, fft2, and fftn by moving the zero-frequency component to the center of the array. It is useful for visualizing a Fourier transform with the zero-frequency component in the middle of the spectrum. For vectors, fftshift(X) swaps the left and right halves of X.
例子如下：
clear;
clc;
t=0:0.001:2;
n=2001;
Fs=1000;
Fc=200;
x=cos(2*pi*Fc*t);
y1=fft(x);
y2=fftshift(y1);
f=(0:2000)*Fs/n-Fs/2;
hold on;
plot(f,abs(y1),'r')
plot(f,abs(y2),'b')