本文共 870 字，大约阅读时间需要 2 分钟。
FFT（快速傅里叶变换）是离散傅里叶变换（DFT）的高效算法，将信号从时域转换到频域。许多信号在时域难以显现特征，但经过FFT后频域分析却异常直观。这也是FFT在信号分析中广泛应用的主要原因。
FFT的核心物理意义在于：模拟信号经过采样后被转换为离散信号。根据采样定理，采样频率需高于信号频率的两倍。这样，数字信号才能便于进行FFT变换。为了确保FFT计算的效率，采样点数通常取2的整数次方。
具体而言，设采样频率为Fs，信号频率为F，采样点数为N。FFT后的结果是N个复数点。第n个点的特性包括：
对于原始信号的峰值A，FFT结果中除直流分量外，每个点的模值均为A×(N/2)。
离散信号x(n)的DFT定义为：
\[X(k) = \sum_{n=0}^{N-1} x(n) \cdot e^{-j2\pi kn/N}\]傅里叶变换可以分解为偶序列和奇序列的和。将信号分解为x1(n)（偶序列）和x2(n)（奇序列），分别计算它们的DFT结果X1(k)和X2(k)。利用DFT的性质可得：
\[X(k) = X1(k) + jX2(k)\]FFT是一种在O(N log N)时间内完成DFT的算法，是信号分析中的工作 horse。其核心原理在于利用复数单位根和分治策略，将DFT问题递归分解和合并，最终显著降低计算复杂度。
卷积是信号处理中的基本操作。简单来说，卷积是对两个信号进行逐点乘积积分，反映信号之间的叠加效果。不同滤波器类型（如低通、高通、带通等）在卷积中起到不同作用。
相关衡量信号之间的相互作用强度。常用于分析信号之间的协调性或干扰程度。通过相关可以理解不同信号的波动是否同步或独立。
FFT、信号滤波和相关技术是信号处理的核心工具，广泛应用于多个领域。理解这些技术的物理意义和算法原理是掌握现代信号分析的关键。
转载地址：http://rtiyk.baihongyu.com/