★ FEATURED ARTICLE 傅里叶变换这东西很多人第一次学的时候都觉得它离实际很远——公式一堆积分符号满天飞考完试就还给老师了。但只要你真正碰过信号处理、通信系统、电源设计或者音频分析就会发现它几乎无处不在。我做了十多年硬件和信号处理相关的项目回过头来看傅里叶变换不是一门课而是一把螺丝刀——你手上有任何跟波形打交道的问题它都能拧一拧。这篇东西不打算重复教科书里那套推导而是从几个我实际踩过坑的应用场景出发把傅里叶变换到底怎么用、用在哪、用的时候要注意什么讲清楚。方波的谐波结构、上升沿和带宽的关系、信道宽度对信号的影响、谐波在电能计量里的麻烦——这些看起来分散的话题背后其实是同一套逻辑。如果你正在做信号相关的项目或者单纯想把课本里的傅里叶变换和真实世界对上号这篇内容应该能帮你省不少时间。1. 从方波入手为什么它是最适合理解傅里叶变换的波形1.1 方波不是一个频率而是一堆正弦波的叠加很多人对方波的第一印象是频率为f的周期信号这个说法在时域上没错但在频域上就太粗糙了。一个理想方波实际上是由无穷多个正弦波叠加而成的这些正弦波的频率分别是基频的1倍、3倍、5倍、7倍……也就是所有奇次谐波。数学上的表达式是这样的方波(t) (4/π) × [sin(ωt) (1/3)sin(3ωt) (1/5)sin(5ωt) (1/7)sin(7ωt) ...]其中ω 2πff是基频。注意几个关键点第一只有奇次谐波偶次谐波全部为零第二每个谐波的幅度按1/n递减3次谐波是基波的1/35次谐波是1/5以此类推第三所有谐波的相位是对齐的这样才能在时域上拼出那个陡峭的跳变。我第一次真正理解这个公式是在用555定时器搭方波发生器的时候。当时用示波器看输出觉得波形挺方正的但把频谱仪接上去一看好家伙3次、5次、7次谐波一个不少幅度也确实大致符合1/n的规律。那一刻我才意识到示波器上看到的方波只是时域的一个切面频域里它其实是一大家族。1.2 用Python把方波的频谱画出来光看公式不够直观我习惯用代码把东西跑一遍。下面这段代码用Python生成一个方波的近似并画出它的频谱import numpy as np import matplotlib.pyplot as plt # 参数设置 fs 10000 # 采样率 f0 100 # 基频 t np.linspace(0, 0.05, int(fs*0.05), endpointFalse) # 用前N个奇次谐波合成方波 N 50 square_approx np.zeros_like(t) for n in range(1, N*2, 2): # 只取奇次 square_approx (4/(np.pi*n)) * np.sin(2*np.pi*f0*n*t) # 做FFT看频谱 fft_result np.fft.fft(square_approx) freqs np.fft.fftfreq(len(t), 1/fs) magnitude np.abs(fft_result) / len(t) * 2 # 只画正频率部分 positive freqs 0 plt.figure(figsize(12, 5)) plt.subplot(1,2,1) plt.plot(t[:500], square_approx[:500]) plt.title(时域合成的方波) plt.xlabel(时间 (s)) plt.subplot(1,2,2) plt.stem(freqs[positive][:200], magnitude[positive][:200]) plt.title(频域谐波分布) plt.xlabel(频率 (Hz)) plt.tight_layout() plt.show()跑完这段代码你会看到时域上是一个带点振铃的方波吉布斯现象后面会讲频域上则是一根根离散的谱线位置在100Hz、300Hz、500Hz……幅度依次递减。这就是方波傅里叶变换的频谱图最直观的样子。1.3 吉布斯现象为什么合成的方波总有过冲如果你用有限个谐波去合成方波会发现跳变沿附近总是有振荡和过冲而且不管加多少谐波这个过冲的幅度都不会消失只会越来越窄。这就是吉布斯现象。我当初做DDS直接数字频率合成信号源的时候被这个现象折腾过。理论上我输出的是方波但实际波形在跳变处有大约9%的过冲。一开始以为是电路问题查了半天滤波器、阻抗匹配最后才反应过来——这是数学上的必然不是电路缺陷。这个现象的实际意义在于任何有限带宽的系统都不可能产生理想的方波。你的信道带宽决定了你能保留到第几次谐波而保留的谐波次数决定了方波的方正程度。这就引出了下一个话题——上升沿和带宽的关系。2. 上升沿与带宽一个被低估的工程约束2.1 上升沿的本质是高频谐波的贡献方波的跳变沿之所以陡峭是因为高次谐波在跳变点附近同相叠加。谐波次数越高叠加出来的沿就越陡。反过来如果你的系统带宽不够高次谐波被滤掉了上升沿就会变缓。工程上有一个经验公式我用了很多年基本靠谱带宽 (GHz) ≈ 0.35 / 上升时间 (ns)或者反过来上升时间 (ns) ≈ 0.35 / 带宽 (GHz)这个0.35是怎么来的它其实来自一阶RC系统的阶跃响应。对于一阶系统上升时间10%到90%和带宽的乘积约等于0.35。对于更高阶的系统这个系数会在0.3到0.5之间浮动但0.35作为一个快速估算值在绝大多数场合够用了。我拿这个公式做过很多次验证。比如一个标称带宽100MHz的示波器理论上能测到的最快上升沿大约是3.5ns。实际拿一个上升沿2ns的信号去测示波器上显示出来的沿会明显变缓大约就是3.5ns左右。这不是示波器坏了而是它的带宽限制决定的。2.2 实际案例为什么我的方波信号变圆了有一次做一个项目MCU输出一个1MHz的方波经过一段排线传到另一块板子上。发送端用示波器看波形很方正接收端一看上升沿从几纳秒变成了几十纳秒波形顶部还有点塌。一开始怀疑是排线质量问题换了几种线都没改善。后来算了一下那段排线的寄生电容大约50pF驱动端的内阻大约100ΩRC时间常数就是5ns对应的-3dB带宽约32MHz。1MHz方波的10次谐波是10MHz20次谐波是20MHz30次谐波是30MHz。32MHz的带宽只能保留到30次谐波左右上升沿自然就被限制在10ns以上了。解决方案有两个方向一是降低驱动端内阻用更强的驱动器二是缩短排线或换用低电容的传输方式。最后我们换了一个驱动能力更强的缓冲器内阻降到20Ω左右上升沿明显改善。这个经历让我深刻理解了一件事方波的方是靠高频谐波撑起来的任何环节的带宽不足都会在上升沿上体现出来。2.3 带宽、谐波次数与波形保真度的对照表为了更直观地说明问题我整理了一个对照表基于方波的谐波理论保留谐波次数带宽需求相对基频上升时间相对周期波形外观1次仅基频1f0.5T纯正弦完全看不出方波3次3f约0.17T有点方但沿很缓5次5f约0.1T大致能看出方波轮廓9次9f约0.055T比较方正沿仍可见19次19f约0.026T相当方正49次49f约0.01T接近理想方波无穷次无穷0理想方波数学概念这张表在实际选示波器、选驱动器、设计滤波器的时候非常有用。比如你要测一个10MHz的方波想看它的上升沿细节那至少需要保留到第9次谐波也就是90MHz带宽考虑余量选100MHz以上的示波器比较稳妥。3. 信道宽度通信系统里的傅里叶视角3.1 信道宽度本质上是在频域上切一刀通信里的信道宽度说白了就是你能用的频率范围。比如WiFi的20MHz信道、40MHz信道、80MHz信道、160MHz信道指的都是频域上的带宽。你在这个带宽里能传多少数据直接受限于香农公式C B × log2(1 S/N)其中C是信道容量B是带宽S/N是信噪比。带宽越大能传的数据越多。但这里有个傅里叶变换的视角你发射的信号在频域上必须落在信道带宽之内否则就会被滤掉或干扰其他信道。我调WiFi的时候有个体会160MHz信道听起来很美好理论速率翻倍但实际能不能跑起来取决于你周围的频谱环境。如果附近有雷达信号或者其他AP占用160MHz信道可能根本开不起来或者开了之后频繁掉线。这时候退回到80MHz甚至40MHz反而更稳定。3.2 不同信道宽度的实际表现对比我做过一组简单的实测在同一个位置、同一台路由器、同一台终端上切换不同信道宽度用iperf3测吞吐信道宽度理论最大速率实测吞吐近距离实测吞吐隔一堵墙抗干扰表现20MHz约150Mbps120-140Mbps80-100Mbps最好40MHz约300Mbps250-280Mbps150-180Mbps较好80MHz约600Mbps450-550Mbps200-300Mbps一般160MHz约1200Mbps700-900Mbps300-400Mbps较差注意这里的理论最大速率是基于单流WiFi 5/6的粗略估算实际还受调制方式、MIMO流数、编码率等影响。但趋势很清楚带宽越大峰值速率越高但覆盖和抗干扰能力越差。从傅里叶变换的角度理解这件事160MHz信道意味着你的信号频谱占据了更宽的频率范围而更宽的频谱意味着更多的频率分量可能受到干扰或衰减。隔墙之后高频分量衰减更严重信号质量下降速率自然就掉下来了。3.3 信道选择的一个实用技巧很多人调WiFi只看信号强度其实信道选择更关键。我的做法是先用扫描工具看一下周围有哪些AP各自在什么信道。优先选择没有人用的信道或者使用人数最少的信道。如果要用160MHz先确认周围没有雷达或其他宽频占用。如果稳定性优先宁可用40MHz也不要硬上160MHz。这个逻辑背后其实就是傅里叶变换的频谱观念你的信号在频域上占一块地你要确保这块地上没有别人也没有地形障碍。4. 谐波在电能计量中的麻烦与应对4.1 为什么电能计量芯片要专门处理谐波理想的电能计量假设电压和电流都是纯正弦波功率就是UIcosφ。但实际电网里非线性负载比如开关电源、变频器、LED驱动会产生大量谐波导致电压和电流波形畸变。这时候如果还用简单的正弦假设去算功率误差会很大。我接触过一款电能计量芯片它的数据手册里专门有一章讲谐波处理。核心思路是用傅里叶变换把电压和电流分解成各次谐波然后分别计算每个频率分量上的有功功率和无功功率最后求和。这就是所谓的谐波电能计量。具体来说对于每个谐波次数n有功功率P_n U_n × I_n × cos(φ_n)其中U_n和I_n是第n次谐波的电压和电流有效值φ_n是它们之间的相位差。总的有功功率就是所有P_n之和。4.2 谐波测量中的常见坑我在做电能计量相关项目的时候踩过几个坑这里分享一下第一个坑采样率不够导致谐波混叠。要测量到第50次谐波50Hz基频的话就是2500Hz采样率至少要到5000Hz以上实际工程中通常用6.4kHz或12.8kHz。如果采样率不够高次谐波会混叠到低频导致测量结果完全错误。第二个坑ADC分辨率不足。谐波的幅度通常比基波小很多比如3次谐波可能只有基波的5%。如果ADC只有10位那么小信号部分的量化误差会很大。一般电能计量芯片会用16位甚至24位的ADC。第三个坑相位校准。电压和电流通道之间如果有相位偏差会导致功率计算误差。特别是在高次谐波上同样的相位偏差对应的时间差更小但对功率的影响更大。所以好的电能计量芯片会做相位补偿。4.3 一个简化的谐波功率计算示例下面用Python模拟一下含谐波的电压电流并计算各次谐波的功率贡献import numpy as np fs 12800 # 采样率 f0 50 # 基频 T 0.2 # 采样时长 t np.linspace(0, T, int(fs*T), endpointFalse) # 构造含谐波的电压和电流 # 基波 3次 5次谐波 U (311*np.sin(2*np.pi*f0*t) 15*np.sin(2*np.pi*3*f0*t 0.5) 8*np.sin(2*np.pi*5*f0*t 1.2)) I (5*np.sin(2*np.pi*f0*t 0.3) 0.8*np.sin(2*np.pi*3*f0*t 0.8) 0.3*np.sin(2*np.pi*5*f0*t 1.5)) # 用FFT分解 U_fft np.fft.fft(U) / len(U) * 2 I_fft np.fft.fft(I) / len(I) * 2 freqs np.fft.fftfreq(len(t), 1/fs) # 提取各次谐波的幅度和相位 def get_harmonic(fft_data, freqs, target_freq): idx np.argmin(np.abs(freqs - target_freq)) mag np.abs(fft_data[idx]) phase np.angle(fft_data[idx]) return mag, phase for n in [1, 3, 5]: U_mag, U_ph get_harmonic(U_fft, freqs, n*f0) I_mag, I_ph get_harmonic(I_fft, freqs, n*f0) P U_mag * I_mag / 2 * np.cos(U_ph - I_ph) print(f{n}次谐波: U{U_mag:.1f}V, I{I_mag:.2f}A, P{P:.2f}W)这段代码会输出各次谐波的电压、电流幅度和对应的有功功率。实际电能计量芯片内部做的事情比这复杂得多但核心逻辑是一样的。5. 555定时器产生方波一个经典的傅里叶实践场景5.1 555方波发生器的基本原理555定时器是很多人接触方波产生的第一个器件。它的方波输出本质上是一个RC充放电过程触发的比较器翻转。输出频率由外接电阻和电容决定f 1.44 / ((R1 2R2) × C)占空比由R1和R2的比例决定占空比 (R1 R2) / (R1 2R2)这个方波从傅里叶角度看就是我前面说的奇次谐波叠加。但555输出的方波有个特点上升沿和下降沿不是理想的受限于555的输出驱动能力和负载电容。典型情况下上升时间在几十纳秒到几百纳秒之间。5.2 从555方波到谐波测量的实验我曾经用555搭了一个1kHz的方波源然后接一个简单的RC低通滤波器用示波器观察滤波前后的波形变化。这个实验非常直观地展示了傅里叶变换的滤波含义滤波器截止频率设为10kHz时方波基本保持形状因为前9次谐波1k、3k、5k、7k、9k都通过了。截止频率设为3kHz时只剩基波和3次谐波方波变成了近似正弦波。截止频率设为1kHz时只有基波通过输出就是纯正弦波。这个实验我推荐每个学信号处理的人都做一遍。它把傅里叶变换谐波带宽滤波这几个概念串成了一条线比看十页书都管用。5.3 555方波的谐波干扰问题555方波因为谐波丰富在某些场合会带来麻烦。比如我用555做时钟源驱动一个模拟电路时发现输出信号上叠加了高频噪声。查了半天发现是555的方波谐波通过电源线耦合到了模拟部分。解决办法有几个一是在555输出端加低通滤波器把高次谐波滤掉二是在电源引脚加去耦电容三是用屏蔽线或者缩短走线。这些措施的本质都是在频域上限制谐波的传播路径。6. 常用傅里叶变换对一张值得贴在墙上的表6.1 为什么需要记住常用变换对做工程的人不可能每次都从定义出发去算傅里叶变换。常用变换对就像乘法口诀记住了就能快速判断一个信号在频域上大概长什么样。我整理了几个最常用的时域信号频域结果关键特征正弦波 sin(ω₀t)在±ω₀处的两个冲激单频频谱最干净余弦波 cos(ω₀t)在±ω₀处的两个冲激相位不同同上方波周期奇次谐波幅度按1/n递减谐波丰富带宽需求大矩形脉冲单次sinc函数主瓣宽度与脉冲宽度成反比冲激函数 δ(t)常数1全频段等幅频谱最宽常数1在0频率处的冲激直流频谱最窄指数衰减 e^(-at)u(t)1/(ajω)低通特性高斯脉冲高斯函数时宽带宽积为常数这张表里我最常用来做快速估算的是矩形脉冲和sinc函数的关系。一个宽度为τ的矩形脉冲其频谱主瓣宽度约为2/τ从零点到零点。这意味着脉冲越窄频谱越宽。这个关系在雷达、通信、数字电路里到处都能用上。6.2 时宽带宽积一个贯穿始终的约束从上面的表可以看出来一个规律时域上越窄的信号频域上越宽时域上越宽的信号频域上越窄。这就是时宽带宽积的概念它不是一个精确的等式而是一个量级上的约束。具体来说一个持续时间为T的脉冲其频谱宽度大约在1/T量级。一个带宽为B的信号其时域上的变化尺度大约在1/B量级。这个约束在实际工程中无处不在。比如你要做一个短脉冲雷达脉冲越短距离分辨率越高但需要的带宽也越大。你要做一个窄带通信系统带宽越窄抗干扰越好但数据传输速率也越低。我刚开始做项目的时候总想着既要又要——既要脉冲窄又要带宽小。后来才明白这是物理规律决定的不是技术不够先进。你只能在时域和频域之间做权衡不能同时把两边都压到最小。6.3 变换对在调试中的实际用法举一个我实际遇到的例子。有一次调试一个传感器信号输出是一个窄脉冲宽度大约1微秒。我用示波器看时域波形没问题但接ADC采样后发现数据跳动很大。后来用傅里叶变换对估算了一下1微秒脉冲的频谱主瓣宽度约2MHz也就是说信号能量分布在DC到2MHz的范围。而我的ADC采样率只有1MHz严重欠采样导致混叠。解决办法是把脉冲展宽到10微秒通过积分电路这样频谱主瓣宽度降到200kHz1MHz采样率就够用了。这个例子说明常用傅里叶变换对不是用来考试的是用来做工程估算的。7. 从傅里叶变换到实际系统设计几条经验法则7.1 先问我需要保留到第几次谐波这是我在做任何跟波形相关的设计时第一个问自己的问题。答案取决于你对波形保真度的要求如果只是传输能量比如电源开关信号那保留到3到5次谐波就够了。如果要看波形细节比如测量上升沿那至少需要保留到9到19次谐波。如果要还原音频或视频信号那需要保留到几十甚至上百次谐波。确定了谐波次数带宽需求就确定了后面的器件选型、滤波器设计、PCB布局都有了依据。7.2 带宽不够时优先保低次还是高次这个问题没有标准答案取决于你的应用。但我的经验是大多数情况下低次谐波更重要。因为低次谐波携带了大部分能量高次谐波主要影响波形的锐度。比如一个方波基波能量占比约80%3次谐波约9%5次谐波约3%7次谐波约2%……前几次谐波就占了绝大部分能量。所以如果带宽受限优先保证低次谐波通过高次谐波可以适当牺牲。但也有例外。比如你做的是时钟信号上升沿的时间精度很重要那高次谐波就不能随便丢。这时候可能需要用更高带宽的器件或者用预加重等技术来补偿高频衰减。7.3 谐波既是朋友也是敌人谐波这个东西看你从哪个角度用。在频率合成、混频、倍频等场合谐波是宝贵的资源在电能计量、音频放大、通信系统里谐波又是需要抑制的干扰。我做过一个项目用谐波混频的方式把信号搬到更高的频段。当时就是利用方波的3次谐波作为本振比直接用基频本振高了三倍。这个方案的好处是可以用低频器件实现高频功能缺点是谐波幅度低只有基波的1/3需要额外的放大和滤波。反过来在另一个音频项目里我花了很多精力去抑制谐波失真。因为音频信号的谐波失真会直接影响听感总谐波失真THD是一个关键指标。这时候傅里叶变换就成了分析工具——把输出信号做FFT看各次谐波的幅度就能量化失真程度。7.4 一个实用的调试流程最后分享一个我常用的调试流程适用于任何跟波形相关的信号链问题时域看形状用示波器看波形是否正常有没有明显的畸变、过冲、振铃。频域看频谱用频谱仪或FFT功能看信号的频率成分确认谐波分布是否符合预期。对比理论值用傅里叶变换对估算理论频谱和实测对比找出差异。定位瓶颈如果高频分量异常衰减检查带宽限制环节如果出现异常频率成分检查干扰源或非线性。验证修复修改后重新测量确认频谱恢复正常。这个流程我用了很多年基本上能覆盖80%以上的信号链问题。核心思想就是时域和频域互相印证——时域看到的异常在频域上一定有对应的表现频域上的异常也一定能在时域上找到根源。傅里叶变换不是一门孤立的数学课它是连接时域和频域的桥梁。你在这个桥上走得越多对信号的理解就越深。我到现在也不敢说完全吃透了它但每次用它解决一个实际问题都会多一分敬畏——两百年前的数学今天还在帮我们调电路、测信号、设计通信系统这东西是真的好用。
阅读完成 · 觉得有帮助？
