Matlab频谱分析实战：3种方法教你快速设置分贝纵坐标（附完整代码）

Matlab频谱分析实战：从线性幅值到分贝刻度的深度解析与代码重构

在信号处理的世界里，频谱图是我们洞察信号内在频率成分的“眼睛”。无论是分析一段音频的谐波结构，还是诊断机械振动中的异常频率，频谱分析都是不可或缺的核心技能。然而，很多初学者在迈出第一步时，常常会对着Matlab生成的频谱图感到困惑：纵坐标上那些密密麻麻的数字究竟代表什么？为什么有时候需要把它转换成分贝（dB）刻度？这种转换背后，不仅仅是绘图参数的简单调整，更关乎我们如何更科学、更符合人感知习惯地解读数据。

这篇文章，就是为你解开这些疑惑而准备的。我们不满足于仅仅给出几行能跑通的代码，而是希望带你深入理解线性幅值、对数坐标与分贝刻度这三种频谱表达方式的内在逻辑、适用场景与实现细节。无论你是声学工程师、振动分析师，还是正在学习数字信号处理的学生，掌握这些内容都将让你在数据分析时更加得心应手。你会发现，纵坐标的设定，直接决定了你能从图中“看”到什么信息。

1. 频谱纵坐标的三种面孔：原理与视觉对比

在深入代码之前，我们必须先建立清晰的概念认知。经过FFT（快速傅里叶变换）后，我们得到的是信号在各频率点上的复数频谱。其幅值（绝对值）是我们在频谱图中最常绘制的量。然而，直接绘制这个幅值，即“线性幅值谱”，往往不是最优选择。

线性幅值谱 是最直接的表示方法。它的纵坐标与信号在该频率分量上的实际振幅成正比。这种方法直观，但在动态范围很大时（即信号中同时存在很强和很弱的频率成分），弱信号会在图中被“压”到几乎看不见。想象一下，在一个交响乐录音的频谱中，定音鼓的强烈冲击（低频高能量）和小提琴的高泛音（高频低能量）同时存在，线性坐标下你很可能完全看不到小提琴的细节。

为了解决动态范围的问题，我们引入了对数变换。这里主要有两种路径：

1. 对数坐标谱：直接在绘图时，将纵坐标轴设置为对数刻度（在Matlab中使用 semilogy 函数）。这相当于对纵坐标值进行了一次非线性拉伸，使得小值区域被放大，大值区域被压缩。它改善了可视动态范围，但纵坐标的单位仍然是原始的幅值单位（如伏特、帕斯卡等），只是刻度是对数的。
2. 分贝谱：先对幅值进行数学变换，计算其分贝值，然后再用普通的线性坐标轴进行绘制。分贝（dB）是一个无量纲的相对单位，其计算公式为： [ A_{dB} = 20 \times \log_{10}(A) ] 其中 (A) 是线性幅值。分贝刻度本身就是一种对数刻度，它将乘法关系转换为加法关系，非常适合于表示比值、增益和衰减。

为了更清晰地展示三者的区别，我们来看一个包含大幅值差的多频信号示例的视觉对比：