一：概述
对于fft函数，其作用为快速傅里叶变换，可以实现常规傅里叶变换的仿真。而由于其原理，最后生成的图像可能并不是我们常分析的样子。本文将简要对fft函数的细节处理进行一定的分析，从而使原来的的图像变为便于我们分析的样子。
二：仿真参数
f0=1e6; %频率
fs=5e6; %采样率
t=1/fs:1/fs:1; %样点采集
s=cos(2pif0*t); %信号
三：原始FFT图像
原始与最后版本以一段程序实现，测试时只需要把所有的【2】代码取消备注，【1】代码加上备注，即可实现对原始模式的仿真。
仿真结果如下：
我们可以看到，频率上除了1e6HZ，还有4e6HZ，这其实是由于FFT函数的对称性而产生的。即FFT函数的返回值是以奈奎斯特频率对称的（本函数为2.5e6Hz）
对于幅度来说，这两根线的幅度均为2.5e6。分析可知，其为采样率的一半。即FFT的幅值大小与样点个数有关。
而对于我们来说，我们习惯正频率与负频率，信号幅值下的图像，这就要求我们对FFT的结果进行一定的变化。
四：变化后FFT图像
代码正常运行即可，结果为：
简要来说，我们只是将横坐标变为正负两端，对已进行FFT变化的函数进行了fftshift的再次变化。
fftshift——一种循环平移的函数，可以将奈奎斯特频率（即对称轴）移动至频谱中心。
五：仿真代码
clc;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%傅里叶变换理解%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
f0=1e6; %频率
fs=5e6; %采样率
t=1/fs:1/fs:1; %样点采集
%fshift =(1:length(t)); %【2】原始版，频率
fshift=(-length(t)/2:length(t)/2-1); %【1】完全版，频率
s=cos(2*pi*f0*t);
%sff=fft(s); %【2】原始版，变换
sf_test=fft(s)/length(s); %【1】完全版，还原原始幅度值
sff=fftshift(sf_test); %【1】完全版，变换循环平移
figure;
plot(fshift, abs(sff)); %abs取绝对值，消除虚数影响
xlabel('频率/Hz');
ylabel('幅度');
title('常规傅里叶变换图')
