FFT及背景知识

 对于一般的周期信号可以用一系列（有限个或者无穷多）正弦波的叠加来表示。

这些正弦波的频率都是某一个特定频率的倍数如5hz、2*5hz、3*5hz……（5hz叫基频）,这是傅立叶级数的思想，所以说周期信号的频率是离散的。

而且，周期信号有一个特点：信号的周期越长，信号的基频越小。（ 非周期信号可以看作周期无穷大的周期信号，那么它的基频就是无穷小，这样它的频率组成就变成了连续的了。）

求这个连续频率的谱线的过程就是傅立叶变换。包括以下几种变换：

DTFT（时间离散，频率连续），针对连续的信号和频谱。
DFT（时间和频率都离散），针对离散的信号和频谱。
FFT（DFT的优化算法，计算量减少）

在实际应用中，DTFT 提供了理论上的频域理解，而 DFT 则为实际信号处理提供了具体的实现工具

离散时间傅里叶变换（DTFT，Discrete-Time Fourier Transform）：

1. 无限长信号：DTFT 是对无限长离散时间信号进行频域分析的工具。它假设信号在时间上是无限的，适用于处理理论上的无限长信号。

2. 连续频率：DTFT 的结果是一个连续的频谱函数，表示信号在所有频率上的分布。频率 ω 是连续的，因此 DTFT 提供了一个连续的频域表示。

3. 周期性信号的频域特性：即使是周期性信号，DTFT 也可以用来分析其频域特性，频谱会显示出周期性特征。

4. 频域分析：DTFT 提供了信号的完整频域特性，可以用来分析信号的频率组成以及信号在所有频率上的能量分布。

 离散傅里叶变换（DFT，Discrete Fourier Transform）：

• 有限长信号：DFT 是对有限长度离散时间信号进行频域分析的工具。它假设信号在时间上是有限的，并通过对有限长度信号进行分析来实现频域表示。

• 离散频率：DFT 的结果是离散的频谱函数，频率分量是离散的。DFT 产生一个有限数量的频域样本，频域上的频率点是离散的，通常为 NNN 个频率点，其中 NNN 是信号的长度。

• 周期性假设：在计算 DFT 时，信号被假设为周期性延拓。实际上，DFT 结果展示了信号在一个周期内的频域特性，但在实际计算中也考虑了信号的周期性延拓。

FFT (Fast Fourier Transform)

 FFT介绍：【算法】快速傅里叶变换(FFT)——有史以来最巧妙的算法？_快速傅里叶变换算法-CSDN博客

FFT IP 配置：Vivado中FFT IP核的使用_fft ip核多通道模式-CSDN博客