Frekvensupplösningen beror på förhållandet mellan FFT-längden och samplingsfrekvensen för insignalen.
Om vi samlar in 8192 sampel för FFT kommer vi att ha:
$$ \ frac {8192 \ \ text {sampel}} {2} = 4096 \ \, \ text {FFT-lagerplatser} $$
Om vår samplingsfrekvens är 10 kHz, är Nyquist-Shannon samplingssatsen säger att vår signal kan innehålla frekvensinnehåll upp till 5 kHz. Då är vår frekvensupplösning:
$$ \ frac {5 \ \ text {kHz}} {4096 \ \, \ text {FFT-lager)} \ simeq \ frac {1.22 \ \ text { Hz}} {\ text {bin}} $$
Det här är kanske det enklaste sättet att förklara det begreppsmässigt men förenklat: din pappersupplösning är bara \ $ \ frac {f_ {samp}} {N } \ $, där \ $ f_ {samp} \ $ är insignalens samplingsfrekvens och N är antalet FFT-punkter som används (samplängd).
Vi kan se av ovanstående att för att bli mindre FFT-fack kan vi antingen köra en längre FFT (det vill säga ta fler prover i samma takt innan vi kör FFT) eller minska vår samplingsfrekvens.
Fångsten :
Det finns alltid en avvägning mellan tidsupplösning och frekvensupplösning.
I exemplet ovan måste vi samla in 8192 prover innan vi kan köra FFT , som vid sampling vid 10 kHz tar 0,82 sekunder.
Om vi försökte få mindre FFT-lager genom att köra en längre FFT skulle det ta ännu längre tid att samla in de prover som behövs.
Det kan vara OK, det kanske inte. Den viktiga punkten är att den ökade frekvensupplösningen vid en fast samplingshastighet minskar tidsupplösningen. Ju mer exakt din mätning i frekvensdomänen är, desto mindre exakt kan du vara i tidsdomänen. Du tappar faktiskt all tidsinformation inuti FFT-längden.
I det här exemplet, om en 1999 Hz-ton börjar och slutar under första hälften av 8192-provet FFT och en 2002 Hz-ton spelas under andra halvan av fönstret ser vi båda, men de verkar ha inträffat samtidigt.
Du måste också överväga bearbetningstid. En 8192-punkts FFT tar anständig processorkraft. Ett sätt att minska detta behov är att minska samplingsfrekvensen, vilket är det andra sättet att öka frekvensupplösningen.
I ditt exempel, om du tappar samplingsfrekvensen till något som 4096 Hz, behöver du bara en 4096-punkts FFT för att uppnå 1 Hz-soptunnor * 4096 Hz, då behöver du bara en 4096-punkts FFT för att uppnå 1 hz-soptunnor och kan fortfarande lösa en 2 kHz-signal. Detta minskar FFT-fackets storlek, men minskar också signalens bandbredd.
I slutändan med en FFT kommer det alltid att finnas en avvägning mellan frekvensupplösning och tidsupplösning. Du måste utföra lite balans för att nå alla mål.