混淆可能是由于您引用的两个示例以不同方式绘制 fft 的结果。请参阅下面的代码以获取此说明中的引用。
在第一个示例中，绘图是频率范围内的功率谱（周期图）。请注意，在第一个图中，周期图的中心不是 0，这意味着频率范围似乎是奈奎斯特采样频率的两倍。如 mathworks 链接中所述，通常的做法是将周期图居中于 0 以避免这种混淆（图 2）。
对于第二个示例，采用相同的参数，原始图是傅立叶谱的幅度，其归一化与第一个示例不同（图 3）。使用 Matlab 的全频率排序的语法（如代码中所述），将这个看似不同的 fft 结果转换为示例 1 的结果是微不足道的；图 4 中复制了以 0 为中心的周期图的相同结果。
因此，为了具体回答您的问题，两种情况下的频率范围相同，最大频率等于奈奎斯特采样频率，如下所示：
f = fs/2*linspace(0,1,NFFT/2+1);
理解 dfft 如何工作（也在 Matlab 中）的关键是要了解您只是将离散数据集投影到傅立叶空间中，其中 matlab 中 fft() 函数返回的是每个频率分量的展开和系数的顺序由以下方式给出（在 Matlab 中如示例 2 所示）：
f = [f(1:end-1) -fliplr(f(1,2:end))];
有关更多详细信息，请参阅 DFT 上的 Wikipedia 页面：
https://en.wikipedia.org/wiki/Discrete_Fourier_transform
将 fft 省略为 2 的幂参数作为
y = fft(x).
在这种情况下，您只会看到 y 中的几个非零分量对应于输入信号的确切系数。 mathworks 页面声称以下是使用或不使用此长度的动机：
“使用 2 的幂作为变换长度可以优化 FFT 算法，尽管在实践中，使用 n = m 的执行时间通常差别不大。”
%% First example:
% http://www.mathworks.com/help/matlab/math/fast-fourier-transform-fft.html
fs = 10; % Sample frequency (Hz)
t = 0:1/fs:10-1/fs; % 10 sec sample
x = (1.3)*sin(2*pi*15*t) ... % 15 Hz component
+ (1.7)*sin(2*pi*40*(t-2)); % 40 Hz component
% Removed the noise
m = length(x); % Window length
n = pow2(nextpow2(m)); % Transform length
y = fft(x,n); % DFT
f = (0:n-1)*(fs/n); % Frequency range
power = y.*conj(y)/n; % Power of the DFT
subplot(2,2,1)
plot(f,power,'-o')
xlabel('Frequency (Hz)')
ylabel('Power')
title('{\bf Periodogram}')
y0 = fftshift(y); % Rearrange y values
f0 = (-n/2:n/2-1)*(fs/n); % 0-centered frequency range
power0 = y0.*conj(y0)/n; % 0-centered power
subplot(2,2,2)
plot(f0,power0,'-o')
% plot(f0,sqrt_power0,'-o')
xlabel('Frequency (Hz)')
ylabel('Power')
title('{\bf 0-Centered Periodogram} Ex. 1')
%% Second example:
% http://stackoverflow.com/questions/10758315/understanding-matlab-fft-example
% Let's redefine the parameters for consistency between the two examples
Fs = fs; % Sampling frequency
% T = 1/Fs; % Sample time (not required)
L = m; % Length of signal
% t = (0:L-1)*T; % Time vector (as above)
% % Sum of a 3 Hz sinusoid and a 2 Hz sinusoid
% x = 0.7*sin(2*pi*3*t) + sin(2*pi*2*t); %(as above)
NFFT = 2^nextpow2(L); % Next power of 2 from length of y
% NFFT == n (from above)
Y = fft(x,NFFT)/L;
f = Fs/2*linspace(0,1,NFFT/2+1);
% Plot single-sided amplitude spectrum.
subplot(2,2,3)
plot(f,2*abs(Y(1:NFFT/2+1)),'-o')
title('Single-Sided Amplitude Spectrum of y(t)')
xlabel('Frequency (Hz)')
ylabel('|Y(f)|')
% Get the 0-Centered Periodogram using the parameters of the second example
f = [f(1:end-1) -fliplr(f(1,2:end))]; % This is the frequency ordering used
% by the full fft in Matlab
power = (Y*L).*conj(Y*L)/NFFT;
% Rearrange for nicer plot
ToPlot = [f; power]; [~,ind] = sort(f);
ToPlot = ToPlot(:,ind);
subplot(2,2,4)
plot(ToPlot(1,:),ToPlot(2,:),'-o')
xlabel('Frequency (Hz)')
ylabel('Power')
title('{\bf 0-Centered Periodogram} Ex. 2')