MATLAB中使用FFT做频谱分析时频率分辨率问题最近做FFT时，使用的采样频率和信号长度的取舍一直没有搞清楚，后来在论坛上发了一个贴子《总结一下使用FFT和维纳-辛钦定理求解PSD问题》（讨论见，特别感谢会员songzy41，他的问题给了我很大启示），跟帖中给了我不少启示，并且让我对“频率分辨率”这个概念有了更深入的理解。再次一并感谢论坛的高手们。
频率分辨率，顾名思义，就是将信号中两个靠的很近的频谱分开的能力。信号x(t)长度为Ts，通过傅氏变换后得到X，其频率分辨率为Δf=1/T（Hz），若经过采样后，假设采样频率为fs=1/Ts，而进行频谱分析时要将这个无穷长的序列使用窗截断处理，假设使用矩形窗，我们知道，矩形窗的频谱为sinc函数，主瓣宽度可以定义为2*pi/M，M为窗宽，那么，时域相乘相当于频域卷积，频域内，这一窗函数能够分辨出的最近频率肯定不可能小于2*pi/M了，也就是如果数据长度不能满足2*pi/M<|w2-w1|（w2,w1为两个靠的很近的频率），那么在频谱分析时，频谱上将不能分辨出这两个谱，由于w2-w1=2*pi(f2-f1)/fs=2*pi*Δf/fs也就是2*pi/M<2*piΔf/fs，得到Δf的限制为fs/M，这就是窗函数宽度的最小选择，就是说，根据Shannon采样定理确定了采样频率后，要根据靠的最近的谱峰来确定最小的采样长度，这样，所作出来的频谱才能分辨出那两个谱峰，也就是拥有了相应的频率分辨率。

考虑双正弦信号：x = sin(2*pi*10*n)+sin(2*pi*9.8*n);根据Shannon采样定理，采样频率要大于截止频率的两倍，这里选采样频率为80，那么，我们可以看到，Δf为0.2Hz，那么，最小的数据长度为0.2/80=400，但是对正弦信号的频谱分析经验告诉我们，在截断时截断时的数据要包含整周期，并且后面不宜补零以避免频谱泄露（这一点见胡广书《数字信号处理导论》，清华大学出版社），那么，我们要选择至少980个点，才能保含到一个整周期，另外，FFT的经验告诉我们作分析时最好选择2的整数次幂，我们选择靠的最近的1024点。分析结束。

这是按照我们的分析进行的编程和图形

可以看出这两个谱峰很好的被分辨开来，9.8Hz不在谱线上，所以幅值不为1，以下是一些对比：

对，建议你先去看一看FFT的算法；FFT可以进行简单滤波。下面针对你的问题解答一下。

fft处理实际上是傅里叶变换的一种算法，他算出的结果是以频率作为横轴，Y轴是幅值情况，因此FFT算出的图像称为幅频特性图；Y轴数值取模方即得功率谱。

fft滤波的是这样操作的，首先对原信号进行FFT变换，得到频域的幅值函数，然后再确定需要的频段，将函数中不需要的频率段幅值置零；然后进行逆傅里叶变换，即得到滤波后的图像。

你所说的问题有一个处理办法，利用循环做，先设定阈值，然后用循环依次检测数据，滤掉不需要的频率。你可以参考一下网上的FFT滤波函数来写