在进行FFT全过程讲解之前，小编先给大家解释一下，在FFT中出现的一些参数名词解释。

（1）采样频率 Fs

Fs = 1 / 采样间隔

根据奈奎斯特定理：Fs ≥ 最高频率分量的两倍，这样才能避免混叠

（2）频率分辨率 F

   频率分辨率 F 的定义：能够用 FFT 算法分析得到的最靠近的两个信号频率的频率间隔。

（3）采样点数 N

选取采样点数 N 取决于频率分辨率 F ：

N ≥ Fs / F

由于 FFT 一般要求 N 是 2 的整数幂，所以要把 N 扩大到最接近的 2 的整数幂。

采样点数 N 过小：导致栅栏效应，即频率分辨率不够（栅栏效应的本质就是频率分辨率不够，导致部分频率信息丢失，而丢失的这些频率信息很有可能就是重要的或具有重要特征的成分，所以可能会对信号处理的结果产生很大的影响。）

采样点数 N 过大：①增加额外计算量；②导致频谱不对

栅栏效应是因为离散傅里叶变换（DFT）计算的频谱被限制在基频的整数倍而不可能将频谱视为一个连续函数而产生的，就好像通过一个“栅栏”来观看一个图景一样，只能在离散点的地方看到真实图景。

解决栅栏效应问题，需要增加频域抽样点数N，同时在不改变时域数据的情况下，在时域数据末端添加一些零值点，使得谱线更密，这样就可以减小栅栏效应，观察到原来看不到的频谱分量。

注意：该方法通过补零来增加 N，此时采样频率 Fs 会随之成正比上升，又由于频率分辨率F= Fs / N，频率分辨率不改变，即补零不改变频率分辨率。 

FFT变换

FFT变换简单直观地解释：一个时域的随时间变化的信号，该信号可以通过FFT拆分该信号，得到由该信号分解后得到的由不同频率及其幅度组成的频域图，其直观图如下图所示。 

由图可知，我们进行FFT变换即是需要求两个数值，即频率与振幅