Matlab 求4D矩阵中的FFT和求和

请，我有

F（8*409600*3）

matrix。我想把它重塑成

B（8*512*3*800）

矩阵（每一行应该分成

800

部分），然后我必须为每个

（8*512）找到快速傅立叶变换
（FFT）

行，然后乘以它的共轭数，再除以一个常数，然后我必须找到第四维中每行元素的总和，并用第四维中的切片数求平均值

（800）

。我是说

(B(1,1,1,1) +B(1,1,1,2)+B(1,1,1,3)……+B(1,1,1,800))/800
(B(1,2,1,1) +B(1,2,1,2)+B(1,2,1,3)……+B(1,2,1,800))/800

以此类推

我使用下面的代码，它似乎工作，但并没有给出正确的结果

 F=rand(8,409600,3);
 B=reshape(F,8,512,3,[]);
 C1=fft(B, [],2);
 C2=C1.*conj(C1);
 C3=C2/(3000);
 C4=sum(C3,4)/800;

---

谢谢

我想你应该试试

B=重塑（F，8512，[]，3）获取8×512×800×3数组

然后做
C1=abs（fft（B，[]，2））^2
进行512点FFT并将频谱转换为功率谱。（请注意，对于复杂的
c
，
conj（c）*c==abs（c）^2
，以保证机器精度。）

然后你想平均这些800512点PSD：
C2=square（平均值（C1，3））。如果不在此处使用
挤压
，则将使用8×512×1×3数组，而
挤压
只是消除了1长度的维度，将
C2
保留为8×512×3数组。我更喜欢在这里使用
mean
，而不是求和除法，因为这更清楚地表明了你想要实现的目标

最后，您似乎有一个
3000
因子，因此：
C3=C2/3000


我是这样想你的问题的。你有八个传感器（麦克风、光电二极管等等）。每个传感器收集409600个样本。你这样做三天。所以你得到了原始的
F
矩阵，它是8乘409600乘3

现在，您想看看三天内每个传感器的功率谱密度是如何变化的。因此，您将每个传感器/天的409600个样本分为800个数据块，每个数据块得到512个样本，数据块之间没有重叠。在上面的代码中，取每个512个长块的FFT，并平均所有800个。这就给您留下了一个8×512×3的阵列，现在您可以得到您想要的：每天每个传感器的PSD估计值。
（1）当您的输入数据是随机的时，您如何知道它不是正确的结果？
C4
尺寸是否错误？（2） 
B
是四维的。您想在三维上进行一维FFT，还是在三维和四维上进行二维FFT？（您的代码沿第二维度进行1D FFT，长度为512个元素。）（3）
F
的第二维度长度为409600=512*800。但是，
重塑
不会将409600个元素保持在一起：
B
的第三维（长度3）介于512和800之间。这真的是你想要的吗？关于（3）上面：考虑一个简化的2D例子：<代码> f= [1:10；101:110；1001:1010] < /COD>code>F
是10乘3，从0、100和1000开始包含一到十。如果我做了
B1=重塑（F，5，2，[]）
，长度为10的第一个维度将被分成两个维度，长度为5和2，更重要的是，它们将保持在一起：
B1（：，：，1）
，
B
的第一个“页面”将是
1:5
和
6:10
，作为两列。然而，
B2=reformate（F，5，[]，2）
将做一些非常不同的事情，
B2
将把
F
的三列混合在一起。“我不确定你想要那个。”艾哈迈德·法西，谢谢你。我有结果的曲线图，所以我知道它不正确。我有真实的数据，但这只是一个例子。我的原始数据是8*409600*3，我需要找到PSD（功率谱密度）的平均值，为了做到这一点，我必须将（8*409600）分成800个部分，每个部分有512个点。在那之后，我必须找到每个512点的FFT，然后乘以共轭，除以这里的常数（点数*频率分辨率），然后我将得到一行512点的PSD。我有800行，我需要这样做，然后我必须找到PSD的平均值，求所有列的和，除以800。我想对第二维中的每一行进行FFT。我想在整形后将每个切片保持在一起。B1（：，：，1）这就是为什么我使用B=重塑（F，8512，3，[]）；非常感谢你。确切地说，我有一个麦克风的数据（我有八个麦克风），每个麦克风都有（1*409600），我做了三个案例。所以我得到了（8*409600*3）。我必须找到PSD（每个麦克风的平均PSD，为了做到这一点，我使用了上述步骤）