#1 楼
所得的FFT将有所不同：您将以$ 2 \ pi n / 2048 \计算它们，而不是针对$ n = 0 \ ldots 1799 \\ $计算频率$ 2 \ pi n / 1800 \ \ $的FFT。 $代表$ n = 0 \ ldots 2047 \ \ $。但是，信息不会降级。两种方法都是正确的：使用1800或2048。我将使用“最小能量解决方案”（即最简单，最懒惰的解决方案）。人们通常会使用2048长度的转换。
人们倾向于使用radix-2转换，因为他们对此并不了解。关于FFT的功效似乎有2的幂的错误信息。没有这样的约束。另外，他们可能不了解像样的非基数2算法，例如FFTW和其他库中可用的算法。 br />
假设您的长度为1800的数据在
x中。格式X = fft(x,2048);（或其他不同于1800的长度）。 查找
xx = ifft(X);。请参阅
sum(abs(x-xx(1:1800)));。另请参阅此问题及其答案。
评论
$ \ begingroup $
当我这样做时...它只是给我一个数字，但没有通过图形进行比较。很抱歉，但是我在matlab中不是很好，因为我在C中实现了所有功能。
$ \ endgroup $
– D X
13年4月23日在7:49
#2 楼
需要了解的是，由于结果（和来源）是谨慎的，因此FFT并不是真正的傅立叶变换，而是实际上的傅立叶级数开发。这意味着任何FFT的结果都不是单个数据块的变换，而是周期信号的变换，该周期信号由相同数据块的无限级数组成，有无间距由填充长度。 （假设我的分析数据看起来像“ m”，则转换将是“ ... mmmmm ...”或“ ... mmmmmm ...”的发展，它们不是同一信号。） br />因此，没有填充手段将隐式地在源数据中添加或消除源于高频的毛刺，该毛刺是由于一个块的末尾与下一个块的开始的不连续性而引起的（一样）。极端的例子是分析包含所有相同值的块。不填充的填充将使连续信号与矩形信号有所不同。
另一个结果是，填充时间越长，单个信号的转换结果越接近数据突发，并且转换的分辨率越高。说过去，这不会完全准确，信息不会降低。由于舍入错误，将（以有限的方式）存在问题，并且使用更长的缓冲区可能有助于防止（再次以非常有限的方式）。
评论
所得的FFT将有所不同：您将以$ n = 0的$ 2 \ pi n / 2048 $计算它们，而不是以$ 2 \ pi n / 1800 $的频率计算FFT，而$ n = 0 \ ldots 1799 $ \ ldots 2047美元。但是，信息不会降级。那么，这意味着这两种方法都是正确的吗？但是您建议在实用性方面哪个更好？
是的，这两种方法都是正确的。我会使用“最低能耗解决方案”（即最简单，最懒惰的解决方案）。通常这将使用2048长度转换。
我在文学和书籍中已经看到人们建议将其零填充以使其具有2的功效。
假设您的数据在x中。表格X = fft（x，123456）; （或其他一些奇怪的长度）。找出xx = ifft（X）;。看什么sum（abs（x-xx（1：length（x））））;是。