在 MATLAB 中使用 FFT（快速傅里叶变换）计算信号的频谱时，**除以数据长度**的目的是为了确保频域幅度的物理正确性。这是因为 FFT 的默认输出是未归一化的，其幅度与输入数据的长度成正比。以下是详细解释：

---

### 1. **FFT 的数学定义**
FFT 是离散傅里叶变换（DFT）的高效算法，其数学定义为：
\[
X(k) = \sum_{n=0}^{N-1} x(n) \cdot e^{-i 2\pi kn/N}
\]
其中：
- \(x(n)\) 是时域信号（长度为 \(N\)）。
- \(X(k)\) 是频域结果（复数，包含幅度和相位）。

**关键点**：FFT 的直接结果 \(X(k)\) 的幅度与输入数据长度 \(N\) 成正比。例如，若输入信号幅度为 1，但数据长度 \(N\) 增加，FFT 输出的幅度也会按比例增大。

---

### 2. **为什么需要除以 \(N\)？**
为了得到**物理真实的幅度**（与时域信号一致），需要将 FFT 结果除以 \(N\)：
\[
\text{正确幅度} = \frac{|X(k)|}{N}
\]
**原因**：
- **能量守恒**：时域信号的总能量应等于频域的总能量（帕塞瓦尔定理）。除以 \(N\) 保证了能量的一致性。
- **幅度匹配**：例如，时域中一个幅值为 \(A\) 的正弦波，其频域峰值应为 \(A/2\)（单边频谱）或 \(A\)（双边频谱）。若不除以 \(N\)，FFT 输出的峰值会是 \(A \cdot N/2\)，显然不正确。

---

### 3. **MATLAB 中的具体操作**
- **直接 FFT 输出**：`Y = fft(y)` 的结果是未归一化的，幅度为 \(N\) 倍。
- **归一化操作**：
  - **双边频谱**（包含正负频率）：`Y_normalized = Y / N`。
  - **单边频谱**（仅正频率）：`Y_single_side = Y(1:N/2+1) / N * 2`（直流分量除外，它只需除以 \(N`）。

**示例**：
```matlab
Fs = 1000;            % 采样频率
T = 1/Fs;             % 采样间隔
L = 1000;             % 信号长度（N=1000）
t = (0:L-1)*T;        % 时间向量
f = 50;               % 信号频率（50 Hz）
y = 0.5 * sin(2*pi*f*t); % 幅值为0.5的正弦波

Y = fft(y);           % 计算FFT
Y_normalized = Y / L; % 归一化

% 绘制单边频谱
P2 = abs(Y_normalized);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2 * P1(2:end-1); % 乘以2（除直流和Nyquist频率）
f_axis = Fs*(0:(L/2))/L;
plot(f_axis, P1);
```
此时，频域峰值会精确显示为 **0.5**（与时域幅值一致）。

---

### 4. **特殊情况说明**
- **直流分量（零频率）**：直接除以 \(N\)。
- **Nyquist 频率（当 \(N\) 为偶数时）**：无需乘以 2（单边频谱中它是唯一的）。

---

### 5. **总结**
- **FFT 的默认输出是未归一化的**，幅度与数据长度 \(N\) 成正比。
- **除以 \(N\) 是为了保证频域幅度与时域信号的真实幅度匹配**。
- 对于单边频谱，还需对非直流分量额外乘以 2（因为能量对称分布在正负频率上）。

通过这种归一化，FFT 的频域结果才能正确反映信号的物理特性。