5.2 傅里叶变换与频谱分析

5.2 傅里叶变换与频谱分析

傅里叶变换是把"随时间变化的波形"搬进"随频率分布的谱"的镜子，无线里几乎每个频谱概念都从这里长出来。本节从傅里叶级数一路走到 FFT，讲清四种变换各看什么、FFT 的 O(N log N) 省在哪里，再重点解剖频谱泄漏与窗函数这对实战老冤家。

观测台上先摆这面翻频的镜子

上一节我们认识了滤波这把刀，可要说明白"到底滤走了什么频率"，心里就得先有一本频率账。这本账，就是这一节要搭的镜子——傅里叶变换。它做一件事：把一串"随时间走"的波形，原封不动翻成"随频率分布"的谱，让原本缠在一起的信息站成一排。你在发射端量带宽、在接收端看干扰、在 OFDM 里看一簇子载波挤得多近，最后都要回到这面镜子前对账。读这一节的关键不是背公式，而是把"时域一段波形"和"频域一排谱线"在心里能自由来回切换。

学习目标

阅读完本节，你应当能够：

1. 串起傅里叶级数、傅里叶变换、DTFT、DFT/FFT 四种工具各自的应用对象。
2. 解释 FFT 为什么把 DFT 的 O(N²) 压到 O(N log N)，以及它靠什么分治。
3. 用一块短窗切片一段信号做频谱，观察泄漏，并用窗函数压低旁瓣、代价是主瓣变宽。
4. 说出频谱分辨率、主瓣宽度、旁瓣衰减三者的相互纠缠。

一、坐拥四种镜：看清同一样东西的不同切面

傅里叶家族四件套，容易混，捋一下各自照顾谁：

• 傅里叶级数：照顾周期连续信号——把它们拆成正余弦叠加，频率是基波的离散整数倍。
• 傅里叶变换（FT）：照顾非周期连续信号——得到连续频率谱。
• 离散时间傅里叶变换（DTFT）：照顾离散时间序列，但频率仍是连续。
• 离散傅里叶变换（DFT）：照顾有限长离散序列，频率也离散——数字计算机只能吃这个。

FFT 只是算 DFT 的聪明算法，不是新变换。它是靠"分治 + 复指数对称性"把 DFT 从 O(N²) 压到 O(N log N)：把一次 N 点 DFT 拆成两个 N/2 点（偶位与奇位）再合并，递归下去。N=8192 时，N² 约 6700 万乘，O(N log N) 约 10 万乘——差着三个数量级。正是这一刀，把"要算 4G 每小区每天上亿次变换"从不可能变成家常，也为 OFDM 铺了路（第6章）。

二、把一串时域切片送进频谱分析

实操频谱分析：取一段有限样本，做 FFT，画出幅度谱。问题是——取哪一段、取多长，直接决定你看到什么。下面手动看一眼泄漏与加窗：

import numpy as np

N = 256
fs = 1000.0
t = np.arange(N)/fs
sig = np.sin(2*np.pi*50*t) + 0.4*np.sin(2*np.pi*123*t)   # 两根频率

def power_spectrum(x):
    return np.abs(np.fft.fft(x * np.hanning(len(x))))**2

freqs = np.fft.fftfreq(N, 1/fs)
S_raw = np.abs(np.fft.fft(sig))**2
S_win = power_spectrum(sig)
print("信号采样点数：", N, "频率点：", freqs[:3])
print("加窗前最大旁瓣（dB）：", 20*np.log10(S_raw[np.argmax(S_raw[1:int(N/2)], axis=None)]+1e-10))
print("加窗后最大旁瓣（dB）：", 20*np.log10(S_win[np.argmax(S_win[1:int(N/2)], axis=None)]+1e-10))
​

对比加窗前后的旁瓣数字，你会看到汉宁窗把旁瓣显著压低——代价是主瓣变宽、频率分辨率粗。这正是频谱分析里绕不开的物理：你没法同时要"宽主瓣瘦旁瓣"和"高频分辨率"，总得选一头。

这里要顺手澄清一个新手常踩的坑：把数据末位补零并不能提升分辨率，它只让谱在原有频率网格上"描得更细"（内插），却无法把本来叠在一起的两根近峰分开。真正决定能不能分开两根靠拢谱线的，是你能采到的实际时长 T——约 1/T 决定了频率间隔。所以想分辨率更高，正路是采更长的数据，而不是补零。补零只是让显示更平滑，别把它当成分辨率的免费午餐。

三、泄漏、分辨率与窗：一个三角关系

把后面接收机的头疼系串起来想：

• 频谱泄漏：被截断的有限段像"没写完整的长句子"，频谱能量从真主瓣漏到一个个旁瓣上。不处理，微弱相邻峰可能被旁瓣盖掉。
• 分辨率：主瓣宽度限制你能分辨多近的两根谱线，约等于采样时长倒数。
• 窗函数：在分辨率与旁瓣之间调方向——矩形窗最陡分辨率最好但旁瓣最高，汉宁/布莱克曼牺牲一点点主瓣换大段安静的旁瓣。

工程口诀：要严谨量准旁瓣、滤清微弱信号，宁可把分辨率让一点用窗，也别拿着尖旁瓣的矩形窗看一屏刺。

四、分析出来的谱拿去干嘛

频谱不只是好看。无线里它的用处踩得实：

• 看带宽占用：确认调制成形后谱收在分配的带宽内（第3.2那套的检验）。
• 测信道频响：第4.2节的 OFDM 频域估计，本质就是发导频测频谱。
• 干扰定位：频谱仪上哪个峰值突然冒出，是哪个邻台或干扰源——这就是频谱管理的入口。
• 验证滤波：设计完 5.1 的滤波器，看频响零点与阻带衰减一目了然。

把四条串起来看，其实是一条完整的测量闭环：发射端先把带宽定死（量频谱），接收端再用导频把信道反推出来（测频响），中间一旦冒出陌生峰就追违法占频或干扰（定位），最后把设计好的滤波器搁上去收口（验滤波）。频谱分析在这里不只充当"看一眼"，它提供了链路每换一个环节时用来对表的那把尺——没有它，很多"好像对了"的判断无从落地，很多"差了点"的信号也无从归因。

本节要点回顾

• 傅里叶家族四种镜各配一种信号；DFT 是数字世界的桥，FFT 让它算得动。
• FFT 用分治+对称性把复杂度压到 O(N log N)，是 OFDM 与实时分析的底气。
• 频谱泄漏来自截断，多窗口=旁瓣vs分辨率的取舍。
• 分辨率、主瓣、旁瓣三角拉扯，选窗按"量准旁瓣"还是"看清近峰"定。
• 频谱分析直接服务带宽、信道测量、干扰定位与滤波验收。

看清频谱之后，把连续世界搬进数字还要跨采样与量化两道坎，并在噪声里学会拿主意——采样量化与估计检测。