Testando algoritmo de FFT.
onde:
Inicialmente gere 100 amostras, amostradas à
Deve ser obtida uma figura como:

Observação: Notamos um problema de baixa frequência de amostragem na onda de 250 Hz. Note que apenas 4 pontos da senóide(!) são amostrados. Justamente quando a senóide passa por:

Note que são amostrados apenas 4 pontos dentro de um ciclo da onda de 250 Hz:
xxxxxxxxxx>> 1E3/250ans = 4E então a onda de 250 Hz acaba sendo mau amostrada.
Solução: Aumentar a taxa de amostragem. Na prática se costuma usar
Realizando alguns testes práticos:
Amostrando 10 pontos da onda de 250 Hz.
Implica usar
xxxxxxxxxx>> fs=10*250fs = 2500>> N=100 % mantidas 100 amostras deste sinalN = 100>> T=1/fsT = 0.0004>> t_fim=N*Tt_fim = 0.04>> t=0:T:N*T;>> y3=0.5*sin(2*pi*f3*t);>> figure; plot(t,y3,'o-')>> xlim([0 0.01])>> grid>> xlabel('tempo (s)')>> ylabel('y_3(t) (250 Hz)')E obtemos a figura:

O resultado já fica bem melhor.
Amostrando 20 pontos por ciclo da onda de 250 Hz:
Implica:

Conclusão final: vamos mudar para
Note que a resolução frequêncial obtida com
Com a nova
O que pode ser testado, mas não vai permitir reconhecer com precisão o componente na frequênica de 60 Hz.
Para manter a resolução em 10 Hz, teríamos que mudar o número de amostras para:
Recalculando os vetores anteriores para obter 500 pontos:
xxxxxxxxxx>> fs=5e3;>> T=1/fsT = 0.0002>> N=500;>> t=0:T:(N-1)*T; % recalculando vetor t para 500 pts>> size(t)ans = 1 500>> t(end)ans = 0.0998>> t_fim=t(end);>> y1=1.5*sin(2*pi*f1*t);>> y2=0.8*sin(2*pi*f2*t);>> y3=0.5*sin(2*pi*f3*t);
E então obtemos:

que visivelmente é muito melhor que o sinal amostrado à 1 KHz.
Procedendo à FFT e levantamento do especto do sinal:
xxxxxxxxxx>> Y=fft(y); % apenas faz a FFT>> f_Nyquist=fs/2f_Nyquist = 2500>> size(Y) % confirmando qtdade de pontosans = 1 500>> size(y)ans = 1 500>> f=(0:N-1)*fs/N; % calcula o correspondente vetor de frequenciasConfirmando a resolução espectral:
xxxxxxxxxx>> f(1)ans = 0>> f(2)ans = 10>> f(end) % ultimo componente em frequencia calculadoans = 4990>> size(f)ans = 1 500>> [f(1:10)' Y(1:10)'] % mostrando 10 primeiros valoresans = 0 + 0i 4.1926e-14 + 0i 10 + 0i -1.8674e-15 - 5.6957e-14i 20 + 0i -4.2004e-14 + 2.1163e-15i 30 + 0i 1.622e-14 - 6.4319e-14i 40 + 0i 3.9424e-14 - 9.4088e-14i 50 + 0i 1.8829e-14 - 3.3554e-13i 60 + 0i -7.998e-13 + 375i 70 + 0i 1.6162e-14 + 3.8072e-13i 80 + 0i 5.768e-14 + 6.788e-14i 90 + 0i 4.8953e-14 + 2.9626e-14i>> Note que o resultado da FFT é um array de números complexos. Optando por plotar apenas sua magnitude:
xxxxxxxxxx>> Ymag=abs(Y);>> [f(1:10)' Ymag(1:10)']ans = 0 4.1926e-14 10 5.6987e-14 20 4.2057e-14 30 6.6332e-14 40 1.0201e-13 50 3.3607e-13 60 375 70 3.8107e-13 80 8.9077e-14 90 5.7219e-14>> Gerando um gráfico do resultado da FFT (Magnitude):
xxxxxxxxxx>> figure; stem(f, Ymag)>> grid>> xlabel('Frequência (Hz)')>> ylabel('|Y(w)| (Magnitude)')>> title ('FFT do sinal')

E então percebemos que o algoritmo de FFT gera um espectro bilateral, ou seja, o resultado são
A página [angle] (FFT Phase) da Mathworks, até traz/mostra o código para gerar o eixo X (de frequências), de forma bilateral, fazendo:
xxxxxxxxxxy = fft(x);ly = length(y);f = (-ly/2:ly/2-1)/ly*fs;O que acaba gerando um gráfico como o mostrado abaixo (para o exemplo deles):

Continuando…
A frequência de Nyquist corresponde à metade da
O que o algoritmo calculou na realidade é uma espécie de “reflexão” do espectro à partir de
xxxxxxxxxx>> f=(0:N-1)*fs/N;Se isolamos no gráfico anterior, apenas o lado “esquerdo”, obtemos:
xxxxxxxxxx>> xlim([0 f_Nyquist])
Notamos que os picos da FFT ocorrem nas frequencias esperadas, mas as aplitudes calculadas não correspondem as amplitudes originalmente estabelecidas para a formda de onda
Então temos que redimensionar as magnitudes calculadas pelo algoritmo fazendo algo como:
Realizando os ajustes no Octave/Matlab:
xxxxxxxxxx>> Y=fft(y); % apenas faz a FFT>> N % confirmando valor de NN = 500>> M1=abs(Y/N); % re-escalona aplitudes pelo fator N>> N/2ans = 250>> f(250) % confirmando valor calculdo da frequência)ans = 2490>> M2=M1(1:N/2+1); % estamos interessados apenas na primeira metada do espectro>> M2(2:end-1)=2*M2(2:end-1); % duplicando as amplitudesNote que a variável M2 isola apenas um lado do espectro e depois duplica as magnitudes do espectro (compensando o efeito bilateral do algoritmo fft) mas deixa de fora o primeiro componente, o nivel DC ou f(0). Lembrar ainda que no Octave/Matlab, os índices de vetores/matrizes iniciam e 1 e não em 0.
Agora sim, estamos prontos para mostrar o espectro de magnitude de forma correta:
xxxxxxxxxx>> size(M2)ans = 1 251>> f=fs/N*(0:(N/2)); % recalcula o vetor f (apenas 1 lado do espectro)>> f(end)ans = 2500>> size(f)ans = 1 251>> % Notamos que o vetor M2 e f possuem as mesmas dimensões
E finalmente obtemos o gráfico espectral de

E percebemos (pelos Datatips), que as amplitudes calculadas para as 3 frequências coincidem com os valores usados para gerar a onda
Podemos ainda “imprimir” uma tabela dos primeiros 30 pontos do espectro calculados, confirmando os valores encontrados:
xxxxxxxxxx>> f(30) % Entendendo os valores do vetor fans = 290>> f(25)ans = 240>> f(26)ans = 250>> [f(1:27)' M2(1:27)']ans = 0 8.3852e-17 10 2.2795e-16 20 1.6823e-16 30 2.6533e-16 40 4.0806e-16 50 1.3443e-15 60 1.5 70 1.5243e-15 80 3.5631e-16 90 2.2888e-16 100 4.6697e-16 110 1.2398e-15 120 0.8 130 2.1036e-15 140 9.6637e-17 150 7.2277e-16 160 2.8163e-17 170 3.8518e-16 180 2.6833e-16 190 5.917e-16 200 1.5527e-16 210 4.0699e-16 220 7.7639e-16 230 2.6075e-16 240 1.9043e-15 250 0.5 260 1.9496e-15>> E então percebemos que agora determinamos de maneira correta as amplitudes nas frequências esperadas (60, 120 e 250 Hz).
Podemos realizar um gráfico da defasagem do sinal, “pedindo” para o Octave/Matlab calcular os ângulos do vetor complexo Y calculado. Porém o resultado obtido não soa com o esperado:
xxxxxxxxxx>> Yfase=angle(Y); % calcula angulos em radianos>> Yfase=rad2deg(Yfase); % converte para graus>> size(Yfase) % note tamanho deste vetorans = 1 500>> % Lembrando que ff gera espectro bilateral e só nos interessa um lado.>> % recalculando vetor f>> f=(0:N-1)*fs/N;>> size(f)ans = 1 500>> figure; stem( f(1:N/2), Yfase(1:N/2))>> xlabel('Frequência (Hz)')>> ylabel('\angle\{Y(w)\} (Graus)')>> title ('Defasagem Espectrao do sinal x(t)')E é gerado o gráfico:

Note que o gráfico não está incorreto. Ocorre que como o algorimo fft é algo puramente numérico, para cada bin, ele calcula a defasagem angular correspondente, sem considerar se a magnitude daquele bin é relevante ou não. Uma maneira mais objetiva e prática é então “isolar” apenas os componentes frequenciais com amplitudes dominantes e pedir para que seja impresso apenas o ângulo calculado nestas frequências:
xxxxxxxxxx>> f(6)ans = 50>> f(7)ans = 60>> f(12)ans = 110>> f(13)ans = 120>> f(25)ans = 240>> f(26)ans = 250>> % mostrando valores dos ângulos apenas para certas frequências>> aux=[7 13 26]; % indices dos valores que nos interessam>> [f(aux)' Yfase(aux)']ans = 60 -90 120 -90 250 -90Note que ainda temos que realizar uma correção nesta parte, falta dividir o ângulo calculado por
Fernando Passold, em 11/11/2026.