一.实信号情况

因为实信号以fs为采样速率的信号在 fs/2处混叠，所以实信号fft的结果中前半部分对应[0, fs/2],后半部分对应[ -fs/2, 0]；

1）实信号fft的结果前半部分对应[0, fs/2]是正频率的结果,后半部分对应[ -fs/2, 0]是负频率的结果。大于fs/2的部分的频谱实际上是实信号的负频率加fs的结果。故要得到正确的结果，只需将视在频率减去fs即可得到频谱对应的真实负频率；

2）如果要让实信号fft的结果与[-fs/2, fs/2]对应，则要fft后fftshift一下即可，fftshift的操作是将fft结果以fs/2为中心左右互换；

3）如果实信号fft的绘图频率f从[-fs/2, fs/2]，并且没有fftshift，则fft正频谱对应f在[0, fs/2]的结果将混叠到(f - fs/2)的位置;

fft负频谱对应f在[-fs/2, 0]的结果混叠到 f + fs - fs/2 的位置，注意这里f为负值，也就是说此种情况下fft负频谱对应的视在频率减去fs/2即可得到频谱对应的真实负频率。

二.复信号情况

1）复信号没有负频率，以fs为采样速率的信号，fft的频谱结果是从[0,fs]的。

2）在 f> fs/2时，对复信号的fft结果进行fftshift会产生频率混叠(将下面的示例2中的频率从f=15改为f=85可以验证f=85的谱线在fftshift后跑到 f= -15 = 85 - fs = 85 - 100的位置了)，所以复信号也一般要求 f <= fs/2

3）在对雷达的慢时间维(复信号)进行fft后，由于要用doppler= ((0:LFFT-1)/LFFT - 0.5)*PRF; 计算多普勒频率，所以对该慢时间信号fft后要fftshift下，以便和正确的频率单元相对应。注意多普勒频率fd < = PRF/2 时才测的准！

fftshift()函数

作用：将零频点移到频谱的中间

shift = np.fft.fftshift(f)

完整代码如下

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('opencv.png',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))
plt.subplot(121),plt.imshow(img, cmap = 'gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.show()