傅里叶变换的核心思想一句话能说清：任何复杂波形都可以分解为一系列正弦波的叠加。在音频领域，这意味着一个和弦、一段人声或一个房间的频率响应，本质上都可以用不同频率、幅度和相位的正弦波组合来描述。

从均衡器到压缩器、从频谱分析到房间校正、从MP3编码到DSP效果器——傅里叶变换无处不在。它是音频工程和声学测量中最重要的数学工具，没有之一。

时域和频域是两种视角

时域以时间为横轴、幅度为纵轴，展示波形随时间演变——示波器和波形编辑器是典型工具。频域以频率为横轴、幅度为纵轴，展示各频率成分分布——频谱分析仪和REW是典型工具。

音频工程师需要同时使用两种视角：频域告诉你哪里多了或少了，时域告诉你瞬态够不够、有没有相位问题。

DFT与FFT：算法革命的4000倍提速

离散傅里叶变换（DFT）是计算机处理数字音频时使用的版本，将N个时域采样点转换为N个频域bins。直接计算DFT需要O(N²)次运算，N=65536时运算量达40亿次。

快速傅里叶变换（FFT）是Cooley-Tukey在1965年提出的高效算法，复杂度降低到O(Nlog₂N)——同样N=65536，FFT仅需约100万次运算，速度提升4000倍。FFT是音频分析的实际标准，所有实时频谱分析仪都基于FFT。

FFT关键参数包括：FFT大小（512到131072点，越大频率分辨率越高、时间分辨率越低）、频率分辨率（采样率除以FFT大小）、时间分辨率（FFT大小除以采样率）。这是不确定性原理在数字信号处理中的体现——不能同时精确知道一个信号的频率和时间位置。

窗函数与频谱泄漏

FFT假定输入信号是周期性的——时间窗口恰好包含整数个波形周期。现实中几乎从不满足，导致频谱泄漏：单一频率能量泄漏到相邻频率bins中。

解决方法是加窗——FFT之前将信号乘以窗函数。汉宁窗是通用音频频谱分析的标准选择，平顶窗适合精确幅度测量。窗函数的选择是频率分辨率与泄漏抑制之间的折衷。

重叠处理与平均化

加窗后窗口边缘数据权重很低，造成信息损失。重叠处理让相邻FFT窗口之间有部分重叠——75%重叠是平衡计算量与信息效率的常用选择。

平均化将多次FFT结果取平均，降低随机噪声对测量的影响。RMS平均保留总能量适合稳态频率响应测量；矢量平均包含相位信息适合低音炮对齐等需要相位数据的场景。

在REW中的实际应用

REW典型工作流程是通过对数扫频信号测量获得完整脉冲响应，再通过FFT转换为频率响应和相位响应曲线。解读REW频谱曲线时应关注整体倾斜（理想房间曲线应有约-0.5dB/oct轻微下行）、低频峰谷（房间模式造成的起伏）、中频谷值（梳状滤波效应）和高频滚降（空气吸收和离轴衰减）。结合Spectrogram频谱图和Waterfall瀑布图可以观察不同频率的衰减特性。