快速傅里叶变换（Fast Fourier Transform, FFT）算法

傅里叶变换是一种数学工具，用于将信号从其原本的时间域或者空间域转换到频率域。对于连续时间信号，我们通常讨论的是傅里叶变换（Fourier Transform），而对于离散时间信号，则会使用离散傅里叶变换（Discrete Fourier Transform, DFT）。在实际应用中，快速傅里叶变换（Fast Fourier Transform, FFT）算法被广泛用来高效地计算DFT。

在Python中，我们可以使用numpy库来进行傅里叶变换，而matplotlib库则可以用来可视化结果。

下面是一个使用numpy.fft模块进行快速傅里叶变换的例子，我们将对一个简单的正弦波信号进行FFT，并展示其频谱。

import numpy as np
import matplotlib.pyplot as plt

# 设置采样率和时间长度
fs = 1000  # 采样频率
T = 1/fs   # 采样间隔
N = 1000   # 采样点数
t = np.linspace(0, N*T, N, endpoint=False)  # 时间向量

# 创建信号，假设是一个50Hz的正弦波
signal = np.sin(2 * np.pi * 50 * t) + 0.5 * np.sin(2 * np.pi * 120 * t)

# 计算傅里叶变换
yf = np.fft.fft(signal)
xf = np.fft.fftfreq(N, T)[:N//2]
yf = 2.0/N * np.abs(yf[:N//2])

# 绘制图形
plt.figure()
plt.subplot(2, 1, 1)
plt.plot(t, signal)
plt.title('Original Signal')
plt.ylabel('Amplitude')

plt.subplot(2, 1, 2)
plt.plot(xf, yf)
plt.title('Magnitude of FFT')
plt.xlabel('Frequency (Hz)')
plt.ylabel('Magnitude')

plt.tight_layout()
plt.show()