第1章：傅里叶变换基础

各位同学好，我是老张。在雷达信号处理这行摸爬滚打了十几年，今天咱们来聊聊最基础也最核心的东西——傅里叶变换。

说实话，我刚入行那会儿，觉得傅里叶变换就是个数学公式，背下来就行了。直到有一次做目标检测项目，信号里混了个奇怪的干扰，怎么滤都滤不干净。后来才发现，是我对离散傅里叶变换的理解不够深，采样点没选对。嗯，从那以后，我再也不敢小看这个基础了。

1.1 连续傅里叶变换

先说说连续傅里叶变换。说白了，它就是把一个时域信号，拆解成不同频率的正弦波叠加。

公式长这样：

X(f) = ∫ x(t) · e^(-j2πft) dt

积分范围从负无穷到正无穷。你想想看，一个信号在时域里可能乱糟糟的，但到了频域里，每个频率分量都清清楚楚。

我个人的理解：这就像用三棱镜分解白光。时域信号是白光，频域就是七色彩虹。每个频率分量，就是一道颜色的光。

1.2 离散傅里叶变换

离散傅里叶变换，简称DFT。它处理的是采样后的离散信号。

公式如下：

X[k] = Σ x[n] · e^(-j2πkn/N)

求和从n=0到N-1。N是采样点数，k是频率索引。

我在项目中遇到过一个问题：采样率选低了，结果高频信号混叠到了低频段，目标位置全算错了。这就是奈奎斯特定理没吃透的后果。

DFT的计算量有多大？直接算的话，复杂度是O(N²)。N=1024时，要算一百多万次乘法。这在实时雷达系统里根本跑不动。

1.3 FFT的数学原理

FFT，全称快速傅里叶变换。它不是一种新的变换，而是DFT的快速算法。

核心思想就四个字：分而治之。

怎么分？把N点DFT拆成两个N/2点DFT。再拆，一直拆到2点DFT。这就是著名的库利-图基算法。

举个例子，N=8时：

原始8点DFT
    ├── 偶数点4点DFT
    │   ├── 偶数点2点DFT
    │   └── 奇数点2点DFT
    └── 奇数点4点DFT
        ├── 偶数点2点DFT
        └── 奇数点2点DFT

计算量从O(N²)降到了O(N log₂N)。N=1024时，从一百万次降到约一万次。快了100倍。

1.4 三种变换的对比

变换类型	输入信号	输出频率	计算复杂度	典型应用
连续傅里叶变换	连续模拟信号	连续	理论分析	公式推导、理论验证
离散傅里叶变换	离散数字信号	离散	O(N²)	小点数频谱分析
快速傅里叶变换	离散数字信号	离散	O(N log₂N)	雷达信号处理、实时系统

你看这个表就明白了。实际雷达系统里，99%的情况都用FFT。DFT只在教学或小数据量时用用。

1.5 一个简单的Python示例

光说不练假把式。我写个简单的FFT示例，你跑跑看：

import numpy as np
import matplotlib.pyplot as plt

# 生成一个雷达回波模拟信号
fs = 1000  # 采样率 1000Hz
t = np.arange(0, 1, 1/fs)
f1, f2 = 50, 120  # 两个目标频率
signal = np.sin(2*np.pi*f1*t) + 0.5*np.sin(2*np.pi*f2*t)

# 做FFT
N = len(signal)
fft_result = np.fft.fft(signal)
freq = np.fft.fftfreq(N, 1/fs)

# 只取正频率部分
half_N = N // 2
magnitude = np.abs(fft_result[:half_N]) * 2 / N

# 画图
plt.figure(figsize=(10, 4))
plt.plot(freq[:half_N], magnitude)
plt.xlabel('频率 (Hz)')
plt.ylabel('幅度')
plt.title('雷达回波信号频谱')
plt.grid(True)
plt.show()

这段代码生成两个频率的信号，然后做FFT看频谱。你在图上应该能看到50Hz和120Hz两个尖峰。这就是雷达目标检测的基本原理——通过FFT把回波信号转换到频域，找到目标的多普勒频率。

1.6 本章小结

这一章我们聊了三个东西：

• 连续傅里叶变换：理论基石，处理模拟信号
• 离散傅里叶变换：数字信号处理的基础，但计算量大
• 快速傅里叶变换：DFT的加速算法，雷达系统的标配

我个人觉得，理解FFT的关键不在于背公式，而在于理解它"分而治之"的思想。你想想看，把一个复杂问题拆成小问题，再拆，直到简单到一眼能看出来。这种思路，不光在FFT里用，在整个雷达信号处理里都适用。

下一章，咱们聊聊FFT的具体实现细节，包括位反转、蝶形运算这些实战内容。到时候我会拿我踩过的坑当反面教材，保证让你印象深刻。

公众号:蓝海资料掘金营，微信deep3321