FFT 快速傅里叶变换（边缘AI推理）
Fast Fourier Transform — Edge AI Inference
高效计算离散傅里叶变换，把时域信号分解为频率成分。
01
定义
高效计算离散傅里叶变换，把时域信号分解为频率成分。
02
公式与计算
X(k) = Σ_{n=0}^{N−1} x(n)·e^{−j2πkn/N}
频率分辨率 Δf = f_s / N
03
适用时机
识别特征频率（转频、轴承频率、结构自振频率）、噪声源识别。 部署到边缘 AI 推理盒（NPU/GPU 加速）时，需做模型量化（INT8）与算子裁剪，阈值与窗长按现场数据标定后固化。
04
关键参数
采样率 f_s、点数 N、窗函数（Hanning/Hamming）、平均次数；边缘 AI 版本注意量化误差、推理时延与模型版本管理，异常需支持远程回滚。
05
注意事项
失效与边界必须加窗抑制泄漏；必须满足采样定理；Δf 由 N 决定，不是插值能解决的。 边缘 AI 实现需在目标算力上做推理时延与精度权衡测试，并保留原始数据上传通道供云端复核。
CLOSE
把 FFT 快速傅里叶变换（边缘AI推理） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。