1樓：luoo
今天看到這個「演算法」，感覺智商受到了侮辱。
首先要明確，「頻譜」的精度或者「解析度」收兩個因素限制，乙個是資料來源精度，乙個是FFT精度。
Zoom FFT提公升的是FFT精度或者FFT解析度，和插值效果是一樣的，不能改變資料來源解析度。
在一般場景下，FFT點數的選擇都應保證FFT底噪遠低於資料，這種常見下zoomfft是沒用的。
在一些特殊情況，比如FFT點做不了這麼多，或者硬體限制FFT雜訊大於資料了，那這種方式是有效的。
2樓：林公升
最近我也在研究Zoom FFT。感覺它的原理就是通過在低取樣點N的條件下，通過降低取樣率的方法來提高頻率解析度的。
但是看了一些關於這方面的文章，又遇到乙個問題。
一種說法是：可以將N段資料拼接成一段資料，然後對這個資料進行移頻--濾波--按照fs/N的取樣率重新取樣--FFT得到細化的頻譜圖。這樣做的好處是可以用多個資料片段來彌補單個資料片段長度不夠的問題。
這對於資料的分析非常有價值，因為某些情況下，我們是無法採集到單段時間足夠長的資料的；
另一種說法是：不能進行資料的拼接，而只能對同一段資料分N段。然後再通過整體資料進行移頻--濾波--重新取樣--FFT得到細化的頻譜圖。
這樣做的好處是FFT計算量小，可以在原資料量1/N計算量的情況下，在所感興趣的頻譜段得到可以媲美使用整段資料進行FFT分析所得到的頻率解析度。
對於這兩種說法，我都有疑惑。對於第二種說法，我覺得減少資料處理量的方法說不通，因為它增加了移頻、抽樣這樣額外的計算量。而且對於現在的硬體來說，計算量真心不是什麼大問題。
對於第一種說法，將幾段資料拼接在一起，會帶來頻譜洩漏的問題。如果加窗的話，有會丟失部分訊號而導致頻譜失真。所以兩種說法都又讓人不滿意的地方，不知道有沒有大神可以給出更好的解釋。
3樓：linmue-譚祥軍
很多時候，分析振動雜訊時，可能要求集中關注乙個有限的頻率區間fmin≤f≤fmax，需要對這個頻率區間作細化處理，也就是所謂的zoomFFT。該方法本質上是基於頻移傅利葉變換對。這個傅利葉變換對表明，如果乙個時域訊號x(t)有乙個傅利葉變換X(f)，那麼這個時域訊號x(t)e^(j2Piat)將存在傅利葉變換X(f-a)。
因此，測量的時域訊號通過乘以指數項e^(j2Piat)，那麼，訊號的頻譜將向下移動到f-a。
通過乙個例項，表明這個變換過程。我們有乙個訊號，是按10KHz取樣得到的，因此，這個訊號對應的頻率範圍為0≤f≤5KHz。我們將細化的頻率範圍為1900≤f≤2100Hz，FFT變換樣本點數為1024。
整個變換過程步驟如下：
定義要進行分析的頻率範圍1900≤f≤2100Hz的中心頻率fc=2000Hz；
整個測量的時域訊號乘以^(j2Pifct)，注意這將產生乙個複數訊號。這一過程同時使頻率移動到-100≤f≤100Hz。
對這個頻率發生移動的訊號的實部和虛部施加乙個低通濾波器，頻寬為100Hz。
對上一步低通後的訊號進行抽樣，每25個點抽樣乙個（5000/200=25）。
將抽樣後的實部和虛部再組合成乙個複數訊號。
對這個複數訊號按每幀1024個樣本點進行FFT變換。
將負頻率移動到頻譜的下半段。
注意到zoomFFT處理並沒有違背頻譜分析這個重要的關係：時域資料塊的時間長度等於頻率解析度的倒數：T=1/f。
在第4步中，對原始資料進行了抽樣，因此，我們不得不使用25倍原來長度的時域訊號才能保持1024個樣本點。
為了獲得相同的頻率解析度，另一種可行的辦法是使用更大的資料點N=25*1024。對於大資料塊進行FFT，早期是很難實現的，現今實現起來可能會容易些。雖然現在很少用到zoomFFT，但它仍有使用價值與作用。
當用1024個樣本點對原始訊號作FFT時，其頻率解析度為9.765625Hz，而使用zoomFFT，相應的頻帶的頻率解析度為原來的1/25，為0.390625Hz，頻率解析度提高了25倍。
因此，zoomFFT明顯提高了頻率解析度。
4樓：亦均
zoomFFT這種頻率細化的方法主要步驟是：移頻-抗混疊濾波-重取樣-復FFT處理-頻率調整，這種方法是利用降低取樣頻率Fs（但又不會產生頻率混疊），而取樣點數N不變的，來提高所關心頻段的頻率解析度（單純的FFT在降低Fs時受取樣定理限制，不能太小，不然會產生混疊）。
其實這種方法方法，在降低取樣頻率，保持取樣點數不變的情況下，必然還是會導致取樣時間的增加，這是我們不希望看到的。
所以個人感覺這種方法在取樣時間固定（不是取樣點數N不變）的情況下，是不能提高頻率解析度的。
而減少計算量是對的，zoomFFT可以選擇感興趣的頻段對其進行頻譜分析（要經過濾波處理），相對來說所需的取樣頻率Fs1就比較低，而全頻段的FFT分析，為了防止頻率混疊，需要滿足Fs2>2*Fc （Fc為訊號中最大頻率），可見Fs1 還有一點值得注意，zoomFFT在進行復FFT處理前要進行抗混疊濾波，這也有一定的計算量。 ghost 董可人答案裡把建模的核心思路都說出來了，有很多這樣的策略在市場上跑，人工也可以探測到這樣的行為，然後開始pump and dump 直到消耗完冰山訂單這種成交記錄在盤口上也顯示的很清晰 你需要乙個lv2和time and sale Axel lee 我是來潑冷水的 我以前也是quant信... FinTech社群 程式化交易 VS 演算法交易 可以看到都是交易方式，既利用什麼來做交易，程式化交易是使用程式 Program 來實現交易中的各個步驟 資訊獲取，資料清理，資料提取，訊號生成，交易執行 而演算法交易則強調使用演算法來進行交易的決策，包括根據各種資料進行交易種類的篩選，交易時機的獲取... 長沙惠耳助聽器 在我們驗配中心常常會遇到一些聽損朋友說 我能聽見聲音就是聽不明白對方說什麼，這是怎麼回事啊 這是因為我們平時說話的聲音是由低中高頻組成的，受損耳就像濾波一樣接收到低頻的聲音，中高頻聲音會過濾一部分，所以，聽到的聲音是不完整的，長時間說話變聲音，更嚴重的是完全聽不明白對方在說什麼，尤其...高頻交易都有哪些著名的演算法？
程式化交易 演算法交易 量化投資 高頻交易 統計套利，這些名詞之間的關係是怎麼樣的？
高頻差的人佩戴助聽器如何提高使用者的清晰度？