FFT是離散傅立葉變換的快速算法，可以將一個信號變換到頻域。有些信號在時域上是很難看出什么特征的，但是如果變換到頻域之后，就很容易看出特征了。這就是很多信號分析采用FFT變換的原因。另外，FFT可以將一個信號的頻譜提取出來，這在頻譜分析方面也是經常用的。
　　雖然很多人都知道FFT是什么，可以用來做什么，怎么去做，但是卻不知道FFT之后的結果是什么意思、如何決定要使用多少點來做FFT。現在就根據實際經驗來說說FFT結果的具體物理意義。一個模擬信號，經過ADC采樣之后，就變成了數字信號。采樣定理告訴我們，采樣頻率要大于信號頻率的兩倍，這些我就不在此羅嗦了。
　　采樣得到的數字信號，就可以做FFT變換了。N個采樣點，經過FFT之后，就可以得到N個點的FFT結果。為了方便進行FFT運算，通常N取2的整數次方。
　　假設采樣頻率為Fs，信號頻率F，采樣點數為N。那么FFT之后結果就是一個為N點的復數。每一個點就對應著一個頻率點。這個點的模值，就是該頻率值下的幅 度特性。具體跟原始信號的幅度有什么關系呢？假設原始信號的峰值為A，那么FFT的結果的每個點（除了第一個點直流分量之外）的模值就是A的N/2倍。而 第一個點就是直流分量，它的模值就是直流分量的N倍。而每個點的相位呢，就是在該頻率下的信號的相位。第一個點表示直流分量（即0Hz），而最后一個點N 的再下一個點（實際上這個點是不存在的，這里是假設的第N+1個點，也可以看做是將第一個點分做兩半分，另一半移到最后）則表示采樣頻率Fs，這中間被 N-1個點平均分成N等份，每個點的頻率依次增加。例如某點n所表示的頻率為：Fn=（n-1）*Fs/N。由上面的公式可以看出，Fn所能分辨到頻率為 為Fs/N，如果采樣頻率Fs為1024Hz，采樣點數為1024點，則可以分辨到1Hz。1024Hz的采樣率采樣1024點，剛好是1秒，也就是說， 采樣1秒時間的信號并做FFT，則結果可以分析到1Hz，如果采樣2秒時間的信號并做FFT，則結果可以分析到0.5Hz。如果要提高頻率分辨力，則必須 增加采樣點數，也即采樣時間。頻率分辨率和采樣時間是倒數關系。
　　假設FFT之后某點n用復數a+bi表示，那么這個復數的模 就是An=根號a*a+b*b，相位就是Pn=atan2（b，a）。根據以上的結果，就可以計算出n點（n≠1，且n《=N/2）對應的信號的表 達式為：An/（N/2）*cos（2*pi*Fn*t+Pn），即2*An/N*cos（2*pi*Fn*t+Pn）。對于n=1點的信號，是直流分 量，幅度即為A1/N。
　　由于FFT結果的對稱性，通常我們只使用前半部分的結果，即小于采樣頻率一半的結果。
　　好了，說了半天，看著公式也暈，下面以一個實際的信號來做說明。
　　假設我們有一個信號，它含有2V的直流分量，頻率為50Hz、相位為-30度、幅度為3V的交流信號，以及一個頻率為75Hz、相位為90度、幅度為1.5V的交流信號。用數學表達式就是如下：
　　S=2+3*cos（2*pi*50*t-pi*30/180）+1.5*cos（2*pi*75*t+pi*90/180）
　　式中cos參數為弧度，所以-30度和90度要分別換算成弧度。我們以256Hz的采樣率對這個信號進行采樣，總共采樣256點。按照我們上面的分 析，Fn=（n-1）*Fs/N，我們可以知道，每兩個點之間的間距就是1Hz，第n個點的頻率就是n-1。我們的信號有3個頻率：0Hz、50Hz、 75Hz，應該分別在第1個點、第51個點、第76個點上出現峰值，其它各點應該接近0。實際情況如何呢？我們來看看FFT的結果的模值如圖所示。
　　
　　FFT的結果
　　從圖中我們可以看到，在第1點、第51點、和第76點附近有比較大的值。我們分別將這三個點附近的數據拿上來細看：
　　1點： 512+0i
　　2點： -2.6195E-14 - 1.4162E-13i
　　3點： -2.8586E-14 - 1.1898E-13i
　　50點：-6.2076E-13 - 2.1713E-12i
　　51點：332.55 - 192i
　　52點：-1.6707E-12 - 1.5241E-12i
　　75點：-2.2199E-13 -1.0076E-12i
　　76點：3.4315E-12 + 192i
　　77點：-3.0263E-14 +7.5609E-13i
　　很明顯，1點、51點、76點的值都比較大，它附近的點值都很小，可以認為是0，即在那些頻率點上的信號幅度為0。接著，我們來計算各點的幅度值。分別計算這三個點的模值，結果如下：
　　1點： 512
　　51點：384
　　76點：192
　　按照公式，可以計算出直流分量為：512/N=512/256=2；50Hz信號的幅度為：384/（N/2）=384/（256/2）=3；75Hz信號的幅度為192/（N/2）=192/（256/2）=1.5。可見，從頻譜分析出來的幅度是正確的。
　　然后再來計算相位信息。直流信號沒有相位可言，不用管它。先計算50Hz信號的相位，atan2（-192， 332.55）=-0.5236，結果是弧度，換算為角度就是180*（-0.5236）/pi=-30.0001。再計算75Hz信號的相 位，atan2（192， 3.4315E-12）=1.5708弧度，換算成角度就是180*1.5708/pi=90.0002。可見，相位也是對的。根據FFT結果以及上面的 分析計算，我們就可以寫出信號的表達式了，它就是我們開始提供的信號。
　　總結：假設采樣頻率為Fs，采樣點數為N，做FFT之 后，某一點n（n從1開始）表示的頻率為：Fn=（n-1）*Fs/N；該點的模值除以N/2就是對應該頻率下的信號的幅度（對于直流信號是除以N）；該 點的相位即是對應該頻率下的信號的相位。相位的計算可用函數atan2（b，a）計算。atan2（b，a）是求坐標為（a，b）點的角度值，范圍從 -pi到pi。要精確到xHz，則需要采樣長度為1/x秒的信號，并做FFT。要提高頻率分辨率，就需要增加采樣點數，這在一些實際的應用中是不現實的， 需要在較短的時間內完成分析。解決這個問題的方法有頻率細分法，比較簡單的方法是采樣比較短時間的信號，然后在后面補充一定數量的0，使其長度達到需要的 點數，再做FFT，這在一定程度上能夠提高頻率分辨力。具體的頻率細分法可參考相關文獻。
　　［附錄：本測試數據使用的matlab程序］
　　close all; %先關閉所有圖片
　　Adc=2; %直流分量幅度
　　A1=3; %頻率F1信號的幅度
　　A2=1.5; %頻率F2信號的幅度
　　F1=50; %信號1頻率（Hz）
　　F2=75; %信號2頻率（Hz）
　　Fs=256; %采樣頻率（Hz）
　　P1=-30; %信號1相位（度）
　　P2=90; %信號相位（度）
　　N=256; %采樣點數
　　t=［0:1/Fs:N/Fs］; %采樣時刻
　　%信號
　　S=Adc+A1*cos（2*pi*F1*t+pi*P1/180）+A2*cos（2*pi*F2*t+pi*P2/180）;
　　%顯示原始信號
　　plot（S）;
　　title（‘原始信號’）;
　　figure;
　　Y = fft（S，N）; %做FFT變換
　　Ayy = （abs（Y））; %取模
　　plot（Ayy（1:N））; %顯示原始的FFT模值結果
　　title（‘FFT 模值’）;
　　figure;
　　Ayy=Ayy/（N/2）; %換算成實際的幅度
　　Ayy（1）=Ayy（1）/2;
　　F=（［1:N］-1）*Fs/N; %換算成實際的頻率值
　　plot（F（1:N/2），Ayy（1:N/2））; %顯示換算后的FFT模值結果
　　title（‘幅度-頻率曲線圖’）;
　　figure;
　　Pyy=［1:N/2］;
　　for i=“1:N/2”
　　Pyy（i）=phase（Y（i））; %計算相位
　　Pyy（i）=Pyy（i）*180/pi; %換算為角度
　　end;
　　plot（F（1:N/2），Pyy（1:N/2））; %顯示相位圖
　　title（‘相位-頻率曲線圖’）;
?