【题目编号】MC4-1296
【题目】在 SDR 系统中，快速傅里叶变换（FFT）可以用来：
【答案】ABCD（多选题）
[A]分析信号的频率成分
[B]生成 FIR 滤波器系数
[C]实现调制和解调功能
[D]实现快速卷积运算
考点速览
这道全选题考的是软件无线电（software defined radio，SDR）里数字信号处理这条主线：快速傅里叶变换（fast Fourier transform，FFT）究竟能拿来干什么。四个选项分别指向频谱分析、滤波器设计、调制解调、快速卷积四个方向，答案给出的是全选，也就是说这四项都是 FFT 的正当用法。复习时容易卡住的是把 FFT 当成一台只会画频谱图的仪器，一旦把它看成一种通用的运算加速手段，这道题的四个选项就都站得住了。
从离散傅里叶变换到快速算法
离散傅里叶变换（discrete Fourier transform，DFT）把长度为 N 的时域采样序列换成同样长度的频域序列，每一个频点都是全部时域样点的加权求和。直接按定义算，N 点需要大约 N 的平方次复数乘法；N 取一千零二十四时，这个数字跳到一百万量级。快速傅里叶变换不是另一种变换，而是计算同一套结果的聪明办法：把长序列按奇偶下标拆成两个短序列，递归下去，运算量降到 N 乘以 N 的以二为底的对数这个量级。同样是 N 等于一千零二十四，复数乘法从一百万量级降到一万量级，差了大约一百倍。正是这一百倍，让通用处理器实时处理几兆赫兹带宽的信号成为可能，也是今天一部手机大小的机器能覆盖短波到特高频的根本原因。
频谱分析与滤波器设计都靠它
采样之后的信号是一串随时间变化的数，人眼从中看不出哪个频率上有信号。FFT 把时间轴上的波形搬到频率轴上，输出每个频点的复数值，取模得到幅度、取辐角得到相位，再按功率换算成分贝，频谱图上那根竖线就出来了。SDR 软件里的瀑布图、频段扫描、信号识别，前端都是这道运算。
设计有限冲激响应（finite impulse response，FIR）滤波器同样绕不开它。最直接的做法叫频率采样法：先在心里画出想要的幅频响应曲线，在频率轴上取样，再让这些频域采样值做一次逆变换，得到的就是滤波器的冲激响应，截取其中一段并加窗，抽头系数就到手了。另一种思路是最小二乘或等波纹逼近，噪声大的时候还得用最小二乘或统计方法把系数拟合出来，也都在频域里算。频域里一次乘法，等价于时域里一整段卷积，这就是 FFT 在滤波器设计里不可替代的原因。
逐项辨析
选项 A 说分析信号的频率成分。这是 FFT 最本分的用途，采样序列经变换后逐个频点给出幅度与相位，把看不见的时间波形翻译成看得见的频谱结构，用来找载波、看边带、量谐波、测杂散。依据充分，正确。
选项 B 说生成 FIR 滤波器系数。频域采样法、频率抽样设计、各种逼近算法都要求把期望响应表示成频域样本，再用逆快速傅里叶变换（inverse FFT，IFFT）换回时域抽头。这一步换的就是系数本身，选项 B 描述准确，正确。
选项 C 说实现调制和解调功能。单看一次变换，FFT 并不改变信号的载频位置，它不是一部混频器。但在多载波体制里，逆变换负责把一路路并行数据装载到一群正交子载波上，正变换在收端把子载波逐一分离，正交频分复用（orthogonal frequency division multiplexing，OFDM）就是这样工作的。既然题目问的是「可以用来」，这种在调制解调环节里承担核心运算的用法当然算数，正确。
选项 D 说实现快速卷积运算。时域两个序列的循环卷积，对应频域逐点相乘。绕过时域里那 N 的平方次乘加，改成两次正变换、一次逐点相乘、一次逆变换，运算量又回到 N 乘以对数的量级。有一条容易被忽略的条件：两个长度不同的序列要先补零到总长度减一以上，否则循环卷积会绕回来变成时域混叠，结果就不是线性卷积了。做法成立，正确。
别把它和这几样东西搞混
最常见的混淆是 DFT 与 FFT。两者结果相同，差别只在算法与运算量，考题若问「定义」就答离散傅里叶变换，问「实现方式」才轮到快速算法。第二种混淆是滤波器系数从哪来：自适应均衡、信道估计出来的抽头同样可以是 FIR 系数，但那是用递推或最小二乘迭代出来的，与 FFT 无关；只要题目点明「频域设计」「由期望响应反推」，才落到 FFT 头上。第三种混淆是调制与变频。混频、鉴频这些改变载波频率或提取瞬时频率的动作由乘法器与锁相环完成；FFT 在其中的角色是把信号摊到频率轴上，或者反过来把频域数据装回时域。看清这一点，选项 C 的边界就不会判错。
应试要点
记住三句话：变换本身是 DFT，快在算法；输出频域幅度相位，拿去画谱、找信号；频域一次乘法等于时域一段卷积，滤波器系数与多载波调制都从这里来。看到「频谱分析」「滤波器设计」「正交频分复用」「卷积加速」四个方向的关键词，就该想到快速傅里叶变换，四个都是它的正经活。
