matlab自带的fft函数是快速傅里叶变换函数。主要用于降噪处理，通过使用傅里叶变换求噪声中隐藏的信号的频率分量。
该函数使用方法：
方法一：
Y = fft(X) 用快速傅里叶变换 (FFT) 算法计算 X 的离散傅里叶变换 (DFT)。
如果 X 是向量，则 fft(X) 返回该向量的傅里叶变换。
如果 X 是矩阵，则 fft(X) 将 X 的各列视为向量，并返回每列的傅里叶变换。
如果 X 是一个多维数组，则 fft(X) 将沿大小不等于 1 的第一个数组维度的值视为向量，并返回每个向量的傅里叶变换。
方法二：
Y = fft(X,n) 返回 n 点 DFT。如果未指定任何值，则 Y 的大小与 X 相同。
如果 X 是向量且 X 的长度小于 n，则为 X 补上尾零以达到长度 n。
如果 X 是向量且 X 的长度大于 n，则对 X 进行截断以达到长度 n。
如果 X 是矩阵，则每列的处理与在向量情况下相同。
如果 X 为多维数组，则大小不等于 1 的第一个数组维度的处理与在向量情况下相同。
我们通过下例，来了解fft函数使用过程：
第一步、指定信号的参数，采样频率为 1 kHz，信号持续时间为 1.5 秒。
Fs=1000；%采样频率
T=1/Fs；%采样周期
L=1500；%信号长度
t=（0:L-1）*T；%时间向量
第二步、构造一个信号，其中包含幅值为 0.7 的 50 Hz 正弦量和幅值为 1 的 120 Hz 正弦量。
S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
第三步、用均值为零、方差为 4 的白噪声扰乱该信号。
X = S + 2*randn(size(t));
第四步、在时域中绘制含噪信号。通过查看信号 X(t) 很难确定频率分量。
plot(1000*t(1:50),X(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('t (milliseconds)')，ylabel('X(t)')
第五步、计算信号的傅里叶变换。
Y = fft(X);
第六步、计算双侧频谱 P2， 计算单侧频谱 P1。
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1)
第七步、定义频域 f 并绘制单侧幅值频谱 P1
f = Fs*(0:(L/2))/L;
plot(f,P1)
title('Single-Sided Amplitude Spectrum of X(t)')
xlabel('f (Hz)')，ylabel('|P1(f)|')
运行结果。
