FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。 现在就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍。< 采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。 每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分

应用于PMP,PMD的算法，相位测量，投影测量 傅里叶变换方法可用于干涉条纹的处理，用来检测光学元件的质量。在主动光学三维测量中，结构照明型条纹与干涉条纹具有类似的特征。1983 年M. Takeda和K. Mutoh将傅里叶变换用于三维物体面形测量,提出了傅里叶变换轮廓术(Fourier Transform Profilometry，FTP)。这种方法以罗奇光栅产生的结构光场投影到待测三维物体表面，得到被三维物体面形调制的变形光场成像系统将此变形条纹光场成像于面阵探测器上，然后用计算机对像的强度分布进行傅里叶分析、滤波和处理,得到物体的三维面形分布。在实际应用中，为了获得较高的测量精度，增加系统的分辨率，通常使用正弦光栅代替罗奇光栅。

利用稀疏性实现分数域估计，包括三部分： 1. 无噪声下的算法 2. 噪声下基于矫正的估计算法 3. 噪声下基于投票的估计算法

从现实物理系统中采集的数据是信号的时域表示，但是在时域中很多信息都被隐藏了，当将采样信号变换到频域后，可以提取到很多有用的信息。

针对大口径光学元件干涉测试过程中,测试装置和干涉腔长较大,气流扰动和环境振动对移相测试过程产生影响等问题,采用一种基于二维傅里叶变换的单帧干涉图处理方法,只需要对一幅空间载频干涉条纹图进行处理即可获得待测相位,具有抗振测试的优点。对该方法的基本原理和算法过程进行分析,并对近红外大口径移相平面干涉仪中600mm口径的光学平晶进行了面形测试。实验结果表明:采用该方法所得波面峰谷值(PV)为0.112λ,波面均方根值(RMS)为0.014λ,与移相算法所得波面数据相比,波面峰谷值偏差不到(1/500)λ;波面均

我们所要说的变换(transform)虽然是数学意义上的变换，但跟函数变换是不同的，函数变换是符合一一映射准则的，对于离散数字信号处理（DSP），有许多的变换：傅立叶变换、拉普拉斯变换、Z变换、希尔伯特变换、离散余弦变换等，这些都扩展了函数变换的定义，允许输入和输出有多种的值，简单地说变换就是把一堆的数据变成另一堆的数据的方法。

包含一维及二维离散傅里叶变换源码，封装完整，代码整洁。

拉普拉斯变换与傅里叶变换的区别： FT: 时域函数f(t) 频域函数 变量 t 变量 LT: 时域函数f(t) 复频域函数 （变量 t、 都是实数） 变量 t 变量s (复频率） t（实数） (复数） 即： 傅里叶变换建立了时域与频域之间的联系； 拉普拉斯变换建立了时域与复频域之间的联系。

滑动离散傅立叶变换（SDFT）在计算上非常有效，并且在其标称频率下工作时能够提供出色的谐波抑制性能。 但是，在标称频率之外，幅度和相位角都包含由于频谱泄漏引起的误差。 而且，在这种情况下，它的谐波抑制能力大大削弱。 该算法提出了一种在非标称频率下以固定采样率应用滑动傅里叶变换的方法，同时保持其优越的性能。 该方法涉及使用两级滑动傅里叶变换 (SFT)。 第一阶段具有固定窗口宽度的 SFT 用于驱动第二阶段的可变窗口宽度 SFT。 所提出的技术 (SFT-SFT) 已在 dSPACE MicrolabBox 上使用预生成的电压矢量进行实时测试，以模拟最不方便的电网条件。 与去耦静止参考框架 PLL 方法相比，测试场景证明了其优越的性能。 此处提供的 Simulink 文件包含算法的实现和解耦固定参考系 PLL 的实现，以便将它们的性能与相同的不便输入进行比较

傅里叶变换源代码，从计算原理上编写了源程序