1、说明

在matlab中FFT需要注意3个参数，首先是序列长度L，这个就是你收到的信号的长度。比如你收到的信号长度是2秒，采样频率设置的是512/2（那么采样间隔就是2/512），那么你得到的信号长度就是L = 512.
第二个参数就是采样频率fs，采样频率要设置为大于信号频率的2 倍（也就是奈奎斯特采样定律），信号的采样频率越大，得到的频域的频谱就越精确，但是设置的太大，计算量就直接上去了。
第三个参数就是FFT 的变换点数N，一般选择为2.^M（M为正整数），根据频域采样定理，要求 N>=L，时域才不会发生混叠。注意我的N设置为多少，频谱就会出现多少个点。

2、仿真实例

首先说明我的代码里出现的F_mu是已知的接收到的一串信号样本（我的信号样本是类似于sic函数形状的），信号序列L是2048个，信号的接收时间是2 秒，也就是说我的采样频率fs是2048/2;FFT变换的点数NFFT我取的是2048，满足N>=L。

close all;
load Wr.mat  'F_mu'

% 其中F_mu为构造的模板函数
F_mu1 = F_mu(1:16:2048*16);

NFFT = 2048;    % FFT变换点数
fs = 2048/2;    % 采样频率;
L = 0:NFFT-1;   % 频谱序列

Wz_nfft = fft(F_mu1,NFFT)/NFFT;        % 模板函数的fft

Wr_absshift = abs(fftshift(Wz_nfft)); % FFT后要shift，并只取权值的幅度进行分析，因此要abs<>
       
fig1L = 600;    
fig1H = 388;
Default_LW = 1.5;            % 默认线宽
Default_MS = 3;                % 默认markersize大小
Default_LTS = 12;             % 默认XYlabel文本大小
Default_LGDS = 10.5;           % 默认legend字体大小
Default_ATS = 12;         % 默认刻度数字大小

figure
set(gcf,'Position',[200,200,fig1L,fig1H], 'color','w');
set(gca,'Position',[.15 .18 .79 .75]);                                           %左下宽高
hold on
h=stem(L/NFFT*fs,abs(Wz_nfft),'ok');                                 % % 对应构造模板函数Fu          
set(h,'linewidth',Default_LW);       
ylim([0 3.5])
box on
grid on
set(gca, 'Fontname', 'Times New Roman', 'Fontsize', Default_ATS);          
xlabel('序列\iti','Fontname', 'Times New Roman', 'Fontsize', Default_LTS,'rotation',0);
ylabel('幅度大小 ','Fontname', 'Times New Roman', 'Fontsize', Default_LTS,'rotation',-270);
h = legend('MIFA对应的权值','IFT对应的权值','Location','NorthWest');
set(h,'Fontname', 'Times New Roman', 'Fontsize', Default_LTS);

仿真结果如下：

这个信号是我直接对方向图进行傅里叶变换画出的结果，其中左半部分是我们真实的频谱图，如果要观察真实的频谱，还是要做一下频移，也就是 fftshift ，代码如下：

close all;

load Wr.mat  'F_mu'

% 其中F_mu为构造的模板函数
F_mu1 = F_mu(1:2048);

NFFT = 2048;    % FFT变换点数
L = 0:2048-1;
fs = 2048/2;    % 采样频率;
N = 0:NFFT-1;   % 频谱序列

Wz_nfft = fft(F_mu1,NFFT)/NFFT;        % 模板函数的fft
Wr_absshift = abs(fftshift(Wz_nfft)); % FFT后要shift，并只取权值的幅度进行分析，因此要abs<>
       
fig1L = 600;    
fig1H = 388;
Default_LW = 1.5;            % 默认线宽
Default_MS = 3;                % 默认markersize大小
Default_LTS = 12;             % 默认XYlabel文本大小
Default_LGDS = 10.5;           % 默认legend字体大小
Default_ATS = 12;         % 默认刻度数字大小

figure
set(gcf,'Position',[200,200,fig1L,fig1H], 'color','w');
set(gca,'Position',[.15 .18 .79 .75]);                                           %左下宽高
hold on
h=stem(L/NFFT*fs-fs/2,Wr_absshift,'ok');                                 % % 对应构造模板函数Fu          
set(h,'linewidth',Default_LW);       
% ylim([0 3.5])
box on
grid on
set(gca, 'Fontname', 'Times New Roman', 'Fontsize', Default_ATS);          
xlabel('序列\iti','Fontname', 'Times New Roman', 'Fontsize', Default_LTS,'rotation',0);
ylabel('幅度大小 ','Fontname', 'Times New Roman', 'Fontsize', Default_LTS,'rotation',-270);
h = legend('MIFA对应的权值','IFT对应的权值','Location','NorthWest');
set(h,'Fontname', 'Times New Roman', 'Fontsize', Default_LTS);

综上所述，可以直接对信号做 fft ，得到的结果也是真实的，0到fs/2的范围内是真实的载频，实信号的 fft 的负频率在fs/2到fs二的范围内，所以前一部分是具有参考价值的，对于复信号，fft得到的结果就是真实的情况。
第二种方法就是将得到的fft信号做 fftshift ，在画频谱时要考虑将横坐标减去fs/2,得到真实的结果。具体可以参见下面的博文进行深入理解：
https://www.cnblogs.com/limanjihe/p/10014142.html

3、补充代码深入理解

clear
close all
N=512;%采样点个数
n=0:N-1;%时间轴离散化
si=sin(2*pi*20*n/N)+sin(2*pi*50*n/N);%正弦信号离散化
f=fft(si);%傅里叶变换
subplot(2,2,1);plot(n,si);%关于n和f的作图，图像位置设置
xlabel('时间（s）');
ylabel('幅度（v）');title('时域信号波形');
Nyquist=N/2-1;%谐波次数设置
fn=abs(f)*2/N;%取绝对值，计算幅度
subplot(2,2,2);plot(n(1:Nyquist),fn(1:Nyquist));%频谱图绘制，由奈奎斯特取样定理可知只需要显示前N/2-1次谐波
xlabel('频率（hz）');
ylabel('功率（dbw）');title('信号频谱图');
c=ifft(f,N);
fliterband1=zeros(1,N);fliterband1(1,10-2:10+2)=1;fliterband1(1,N-(10+2):N-(10-2))=1;
fliterband2=zeros(1,N);fliterband2(1,50-2:50+2)=1;fliterband2(1,N-(50+2):N-(50-2))=1;
y1=ifft(fliterband1.*f);
y2=ifft(fliterband2.*f);
subplot(2,2,4);plot(n,y1);
subplot(2,2,3);plot(n,y2);