本文首發在個人部落格上（
7988888.xyz），此文章中所有連結均通過部落格進行通路。 在上篇推送小波分析教程時，小編其實覺得在學習小波變換前，一定要了解的是傅裡葉變換，這是學習變換的鼻祖。傅裡葉變換相比于小波變換要簡單一些，傅裡葉變換主要能做到的是信号的頻譜分析。 傅裡葉當時提出的中心思想是：“任何周期函數都可以表示為周期複指數函數的無窮和**。”在當時，這是有争議的，另一位很有名的數學家拉格朗日也提出：“正弦曲線無法組合成一個帶有棱角的信号”**。的确如此，正弦曲線的确在組合棱角信号時是無法拟合完全的，但是可以無限的逼近。
為什麼要進行傅裡葉變換？
傅裡葉變換是描述信号的需要。隻要能反映信号的特征，描述方法越簡單越好!信号特征可以用特征值進行量化。所謂特征值，是指可以定量描述一個波形的某種特征的數值。全面描述一個波形，可能需要多個特征值。傅裡葉變換算法利用直接測量到的原始信号，以累加方式來計算該信号中不同正弦波信号的頻率、振幅和相位。
如何處理頻譜洩露？
加窗函數。 在FFT界面，軟體提供了兩種加窗函數的使用。 摘自網絡：“窗的波形圖顯示了窗本身為一個連續的頻譜，有一個主瓣，若幹旁瓣。 主瓣是時域信号頻率成分的中央，旁瓣接近于0。 旁瓣的高度顯示了加窗函數對于主瓣周圍頻率的影響。 對強正弦信号的旁瓣響應可能會超過對較近的弱正弦信号主瓣響應。 一般而言，低旁瓣會減少FFT的洩漏，但是增加主瓣的帶寬。 旁瓣的跌落速率是旁瓣峰值的漸進衰減速率。 增加旁瓣的跌落速率，可減少頻譜洩漏。” “Hamming窗和Hanning窗都有正弦波的外形。 兩個窗都會産生寬波峰低旁瓣的結果。 Hanning窗在視窗的兩端都為0，杜絕了所有不連續性。 Hamming窗的視窗兩端不為0，信号中仍然會呈現不連續性。 Hamming窗擅長減少最近的旁瓣，但是不擅長減少其他旁瓣。 Hamming窗和Hanning适用于對頻率精度要求較高對旁瓣要求較低的噪聲測量。 ” Analyzer軟體中的實作
在BP的分析軟體中，實作FFT有兩種方式。 1.在分析資料之初可以通過FFT的快速分析，大緻上知道資料所包含的基本資訊。在原始資料中選擇某一段資料點選滑鼠左鍵選擇FFT分析即可出現如下圖所示。