当取fft(signal, nfft)信号时，nfft如何改变结果？为什么？我可以为nfft设置固定值，比如说2^18，还是需要2^nextpow2(2*length(signal)-1)？
我通过采用自相关的FFT计算两个信号的功率谱密度（PSD），我想比较结果。由于信号长度不同，我担心如果我不修复nfft，这会使比较变得非常困难！
答案 0 :(得分：3)
没有使用二次幂的固有理由（它可能会使处理在某些情况下更有效）。
然而，为了使两个不同信号的FFT“相称”，您确实需要在获取FFT之前将一个或另一个（或两个）信号填零到相同的长度。
然而，我觉得有必要说：如果你需要问这个问题，那么你可能不会在DSP学习曲线上的某个点上，你将能够对结果做任何有用的事情。你应该给自己一本关于DSP理论的好书，例如： this
答案 1 :(得分：3)
大多数现代FFT实现（包括基于FFTW的MATLAB）现在很少需要将信号的时间序列填充到等于2的幂的长度。然而，几乎所有实现都将为具有2个长度的功率的数据向量的FFT提供更好的，有时更好的性能。对于MATLAB来说，填充到2的幂或具有许多低素数因子的长度将给你最好的性能（N = 1000 = 2 ^ 3 * 5 ^ 3将是优秀的，N = 997将是一个可怕的选择）
零填充不会增加PSD中的频率分辨率，但它确实会减小频域中的bin大小。因此，如果将NZeros添加到长度为N的信号向量，则FFT将输出长度为（N + NZeros）/ 2 + 1的向量。这意味着每个频率区域的宽度现在将为：
Bin宽度（Hz）= F_s /（N + NZeros）
其中F_s是信号采样频率。
如果您发现需要在频域中分离或识别两个紧密的空间峰值，则需要增加样本时间。你会很快发现零填充为你买不到任何东西 - 直觉上这就是我们所期望的。我们如何在功率谱中获得更多信息，而无需在输入中添加更多信息（更长的时间序列）？
最佳，
保