FFT 点数选多少：频谱分辨率与实时性的权衡

做频谱分析时，第一个实际问题往往是：FFT 取多少点？1024 还是 4096，还是 16384？点数不是越大越好，这里有一组绕不开的权衡。

核心公式先摆出来：频率分辨率 Δf = 采样率 fs / 点数 N。比如 48kHz 采样，1024 点的分辨率是 46.875Hz，4096 点是 11.7Hz。N 翻一倍，分辨率精细一倍——这是点数最直接的价值。

一、补零不等于提高分辨率

很多人以为 FFT 后面补零（zero padding）能让频谱更"细"，其实补零只是内插，让曲线看起来更平滑。真正能分开两个靠得很近频率的能力，只取决于有效观测时长，也就是加窗后的 N/fs。分不开就是分不开，补零救不了。

二、代价一：时间分辨率被吃掉

N 个点对应 N/fs 秒的时间窗口。48kHz 下 1024 点约 21ms，4096 点约 85ms。窗口里信号的快慢变化全被平均了，短脉冲、突变这类瞬态会被抹平。想要又密又快？对不起，傅里叶的时间—频率测不准原理不答应。

三、代价二：算力和延迟

单次 FFT 计算量约 N·log2N。1024 点约 1 万次复数乘法，4096 点约 5 万次——在资源紧张的 DSP 上这是实打实的 MIPS。更隐性的是延迟：第一帧结果至少要等 N 个点采完，85ms 的窗口在低延迟语音链路（比如蓝牙通话）里就很要命了。

四、实战选型三步

第一步看分辨率需求：要分开的最小频率间隔 Δf_min，N ≥ fs / Δf_min，再留点余量（汉宁窗主瓣约 4 个 bin 宽）。

第二步看时间预算：N/fs 这个窗口长度，业务能不能接受？做音乐分析可以长，做实时检测必须短。

第三步用重叠帧折中：50% 重叠让频谱更新率翻倍，75% 再翻倍，代价是算力成倍涨。这是工程上最常用的妥协。

一句话总结：先由分辨率定 N 的下限，再由延迟和算力定上限，重叠帧在中间找平衡。够用就好，盲目求大只会同时丢掉时间和实时性。

FFT 点数选择本质是三条约束的平衡：1）频率分辨率 = 采样率/点数，点数越大分辨率越细；2）时间长度 = 点数/采样率，点数越多单次分析时间越长，实时性越差；3）计算量大致按 N·logN 增长，点数翻倍算力开销上升。实用思路是先定分辨率需求（比如要分辨间隔 1kHz 的两个谱线），再反推最小点数，然后看这个点数下的时间长度能否满足实时性。如果两头都紧张，就上多级抽取 + 分段 FFT。另外别忘了加窗——不加窗时泄漏会掩盖弱信号，加窗会损失一点分辨率并引入窗增益误差，要测幅值的话必须做窗增益补偿。