查看“︁FFT”︁的源代码

{| class="wikitable" style="float: right; width: 320px; margin-left: 1em; font-size: 90%; border: 1px solid #a2a9b1;"
|+ style="font-weight: bold; font-size: 1.2em; padding: 5px;" | 快速傅里叶变换 (FFT)
|-
! style="background-color: #f2f2f2; width: 30%;" | 外文名
| Fast Fourier Transform
|-
! style="background-color: #f2f2f2;" | 算法本质
| 离散傅里叶变换 (DFT) 的高效实现
|-
! style="background-color: #f2f2f2;" | 计算复杂度
| 从 <math>O(N^2)</math> 降至 <math>O(N \log N)</math>
|-
! style="background-color: #f2f2f2;" | 关键参数
| 采样率、分辨率带宽 (RBW)、窗函数
|}

'''FFT''' 是计算离散傅里叶变换（DFT）及其逆变换的一种快速算法。在 EMC 整改中，FFT 允许工程师在时域示波器上直接查看信号的频率分量，从而快速定位噪声源头（如特定频率的开关纹波）。

== 工作原理 ==

FFT 利用了 DFT 运算中的对称性和周期性。
* '''数据分治：''' 将一个长度为 <math>N</math> 的大运算分解为多个小运算（通常基于 2 的幂次方，如 1024、2048 点）。
* '''效率飞跃：''' 对于 1024 个采样点，传统 DFT 需要约 100 万次运算，而 FFT 仅需约 1 万次，这使得在嵌入式控制器（如 DSP/MCU）中进行实时频谱分析成为可能。

== FFT 测量的关键设置 ==

在示波器上使用 FFT 功能时，以下设置直接影响结果的准确性：



=== 1. 窗函数 (Windowing) ===
由于 FFT 假设信号是周期性的，如果截断的数据点首尾不连续，会产生“频谱泄漏”。
* '''矩形窗 (Rectangular)：''' 适用于瞬态或短脉冲信号。
* '''汉宁窗 (Hanning)：''' 最常用，兼顾频率分辨率和幅度准确度。
* '''平顶窗 (Flat Top)：''' 频率精度稍差，但幅度测量最准确，适合测量单频点的准确幅值。

=== 2. 采样率与尼奎斯特频率 ===
根据采样定理，采样率 <math>f_s</math> 必须至少是信号最高频率的两倍。
* 如果采样率不足，会产生'''混叠 (Aliasing)'''，导致频谱中出现虚假的低频干扰。

=== 3. 分辨率带宽 (RBW) ===
RBW 决定了频谱中能分辨出的最小频率间隔。在示波器上：
:<math>RBW = \frac{f_s}{\text{FFT points}}</math>

== 在 EMC 整改中的实战应用 ==

* '''定位开关频率：''' 通过 FFT 观察传导骚扰的基频。例如，如果看到 65kHz 及其倍频，则基本可以确定干扰源自 PFC 电路或主开关管。
* '''验证滤波效果：''' 对比滤波器安装前后的 FFT 频谱，可以直观量化滤波器在不同频段（如 150kHz - 30MHz）的衰减能力。
* '''近场探头辅助：''' 使用近场探头在 PCB 表面扫描时，观察 FFT 频谱的能量起伏，可精准定位泄露电磁波的具体走线或元件。

== 参见 ==
* [[傅里叶变换]]
* [[频谱分析仪]]
* [[传导干扰]]
* [[谐波失真]]

[[Category:信号处理]]
[[Category:测量设备]]