简介：基于STM32F1系列单片机的FFT实现工程，面向嵌入式开发者与数字信号处理学习者，展示如何在Cortex-M3内核上通过蝶形运算与位反转完成快速傅里叶变换，并结合CMSIS-DSP库、中断定时器和内存布局提升频域分析效率。压缩包共225个文件，约4.12MB，以C源码、头文件为主，同时包含MDK工程配置（uvprojx、uvoptx）、编译链接产物（axf、hex、map）及中间过程文件（o、crf、lst），便于直接打开工程、查看完整结构并对照学习。目前已有10172人学习下载。资源保留了标准外设库及TFTLCD、ADC、TIM等驱动代码，可作为STM32信号采集与FFT分析的参考框架；通过分析工程中的FFT实现，可掌握浮点运算优化、内存分配和定时器触发处理等关键细节，适合正在做音频、振动或电力谐波分析项目的开发者快速上手。

1. 需求与选型：为什么这个频谱分析功能要跑在STM32上

很多人听到“STM32实现FFT”，第一反应是频率分析这种数学活应该丢给上位机，单片机负责采集数据就够了。但在实际项目中，尤其是在现场设备、电池供电的便携仪器或产线在线检测场景里，没有上位机可用，或者不允许把原始采样数据原封不动传出去。这时候就需要让STM32自行完成FFT计算，把频域结果直接输出给显示、报警或通信模块。这个需求在课程设计、毕业设计和工程预研里都很常见，也是最容易让评审认可“有完整工程思维”的项目。

这套方案适合两类人：一类是正在做嵌入式课程设计或毕设，需要把一个“STM32单片机FFT频谱分析”项目从零搭起来的学生；另一类是已经在用STM32做工业采集，想在不更换硬件的前提下把频域分析能力加进现有固件的开发者。方案的核心思路是用STM32的ADC采集时域信号，经DMA送到内存，再调用CMSIS-DSP库完成FFT运算，最后把频谱通过串口、LCD或DAC输出。整个设计不需要昂贵的开发板，一块常规的STM32F1系列芯片加一个USB转串口模块就能跑通，只是性能上会有些差别。

我会把总体架构、采样配置、FFT实现、结果输出和常见坑依次拆开讲，最后给出验收标准。这套内容不是零散的知识点，而是一份可以直接照着做的完整方案。

2. 总体架构设计：从ADC采样到频谱输出的三个核心模块

FFT本身只是一个数学函数，但在嵌入式项目里它不是一个孤立算法，而是整条数据链路中的一环。一个能出成果的FFT工程，至少要同时考虑采样、运算和输出三件事。因为FFT的结果质量上限，取决于ADC送给它的数据质量；结果是否能被外部使用，则取决于输出协议和格式。很多翻车案例都是FFT代码写对了，但前面采样配置不对，后面输出格式又让人看不懂。

我把系统拆成三个模块：ADC采样模块、FFT运算模块、结果输出模块。三者之间的数据流是单向的，可以用一条很清晰的线描述：定时器触发ADC采样，DMA把采样值搬进环形缓冲区，主程序从缓冲区取出一整块数据做加窗处理，然后调用FFT函数，计算幅值和频率映射，最后打包发送或刷新显示。模块之间通过缓冲区解耦，避免中断里做Fourier导致实时性失控。

2.1 ADC采样模块：确定采样率与缓冲区大小的匹配关系

采样率是整个FFT系统的基石。按照奈奎斯特采样定理，采样率必须大于信号最高频率的两倍。但工程上不会卡着极限，一般取信号最高频率的4到8倍。例如需要分析2kHz以内的音频信号，采样率通常设为8kHz到16kHz。在实际项目中，一个常见的配置是用8kHz采样率分析1kHz以内的信号，这样既不会丢频，又不会因为高采样率导致数据量过大。

缓冲区大小关系到做一次FFT需要多少样本。STM32F1系列的RAM有限，所以256点、512点、1024点是常用选择。采样率和缓冲区大小的关系直接影响扫描时间：扫描时间等于缓冲区大小除以采样率。例如采样率8kHz、缓冲区1024点，那么完成一次FFT需要128毫秒，也就是刷新率约7.8帧每秒，基本能实时显示。如果用512点，刷新率会提升到15.6帧每秒，但频率分辨率会下降一半。

这里有一个必须强调的匹配关系：采样率太高而缓冲区太小，会导致只能分析很宽的频率范围但分辨率很差；采样率太低而缓冲区太大，虽然分辨率好了，但刷新率又跟不上。所以第一步不是写代码，而是根据目标信号先定这两个参数。通常的做法是先确定信号最高频率和目标分辨率的优先级，再用公式倒推采样率。分辨率等于采样率除以FFT点数，这个公式在第三章会仔细展开。

2.2 FFT运算模块：基于DSP库还是移植自制算法

STM32上做FFT有两条路线。第一条是直接使用ARM的CMSIS-DSP软件库，里面有完备的FFT函数，支持实数、复数、浮点和定点。第二条是从网上找一份C语言实现的FFT源码，或者根据蝶形运算自己写。我的建议是除非课程明确要求“自行实现FFT算法”，否则优先使用CMSIS-DSP库。原因是自写FFT看起来有技术含量，但在实际项目中很容易因为输入格式、旋转因子精度、位反转顺序等问题产生诡异结果，调试代价远高于想象。

使用库函数并不意味着“没有技术含量”，因为关键不在地上算法本身，而在于正确配置它。STM32F1系列主频72MHz，没有硬件浮点单元，所以很多人以为浮点FFT会很慢。但实际上1024点复数FFT的计算时间大约在一个毫秒级，对于128毫秒的采样周期来说完全够用。如果是Cortex-M4或M7系列，浮点性能更强，可以做更高阶的FFT。如果项目对实时性要求特别高，可以改用定点Q15格式的FFT函数，性能会更快，但需要注意数据格式转换的损失。

2.3 结果输出模块：串口、LCD与数据打包协议

FFT算出来的频谱数据是一组复数，不能直接当普通整数输出。为了让结果有用，需要在芯片内部先完成幅值计算、dB转换和最大值搜索，再打包成结构化帧发送。串口是最常见的输出方式，帧格式一般用起始字节、数据长度、频率数组、幅值数组和校验位组成。这样才能在上位机的串口助手里方便地解析。如果是带LCD屏的小板，则直接绘制柱状图即可，这需要把FFT结果映射到屏幕坐标上，通常只取前几十个频点显示，因为屏幕宽度有限。

输出协议是很多新手容易忽略的点。有人直接把printf的带格式字符串发出去，这样做调试时看着方便，但上位机后期解析会很痛苦。我会在项目里定义好一个二进制协议，例如帧头0xAA、0x55，然后是频点数和有效通道，接下来是16位整型频率值和幅度值，最后是累加和校验。这样无论是连上位机软件还是写个小工具都能稳定解析。输出模块的接口要预留好，因为同一份FFT结果可以给串口、LCD或CAN总线复用，代码结构上建议把“FFT处理”和“结果输出”分开写。

在实现顺序上，我的习惯是先跑通一个最小的静态闭环：在内存里放一组已知波形，运行FFT，把结果通过串口打印出来，确认公式无误之后，再接上ADC采样。如果一开始就把ADC和FFT全部接上，出问题时根本分不清是采样坏了还是运算坏了。这个顺序在后面的实现细节里也会体现。

3. 核心实现详解：CMSIS-DSP库、幅值计算和频率轴映射

这一章是整套方案的技术核心。我会从工程应用的角度，用实际可运行的代码把FFT的调用过程、参数含义和期望输出讲清楚。你需要准备的软件环境包括某个STM32集成开发环境、标准外设库或HAL库，以及CMSIS-DSP软件包。如果使用的是最新的Keil或STM32CubeIDE，DSP库已经在里面，只需要在工程设置里启用即可。

3.1 使用CMSIS-DSP库完成复数FFT与实数FFT的选择

CMSIS-DSP库提供了一个非常方便的复数FFT函数，接口是arm_cfft_f32。使用前需要先定义并初始化一个结构体，指定FFT点数、是否做逆变换、是否位反转。然后传入一个长度为“2乘以点数”的浮点数组，因为数组的每两个元素分别代表一个复数的实部和虚部。对于ADC采集的实数信号，通常把虚部填充为0即可，但这样会浪费一半存储和算力，所以更适合用arm_rfft_f32这类实数FFT函数，它的内部会优化，只输出N/2个有效频点。

下面是一段基于实数FFT的调用代码，适用于输入数据已经是实数波形的情况。我在代码里加了详细的注释，方便直接套用：

#include "arm_math.h" #define FFT_SIZE 1024 // FFT点数 #define Fs 12800.0f // 采样率，需要与ADC实际触发频率一致 arm_rfft_fast_instance_f32 fft_inst; // 实数FFT实例 float32_t input_data[FFT_SIZE]; // 采集到的时域数据，长度等于FFT_SIZE float32_t fft_output[FFT_SIZE]; // FFT输出数据，包含频域实部和虚部 float32_t mag_output[FFT_SIZE / 2]; // 幅值输出，实数FFT只产生一半频点 void fft_init(void) { // 初始化实数FFT，点数必须是2的幂。参数1表示只做正变换 arm_rfft_fast_init_f32(&fft_inst, FFT_SIZE); } void fft_process(void) { // 执行正变换：输入为时域实数序列，输出为N个复数的实虚交替排列 arm_rfft_fast_f32(&fft_inst, input_data, fft_output, 0); // 计算每个频点的幅度，输出数组长度只有N/2，对应单边频谱 arm_cmplx_mag_f32(fft_output, mag_output, FFT_SIZE / 2); }

这段代码中，arm_rfft_fast_f32的第三个参数是ifftFlag，传0表示正变换。第四个参数原本是位反转，但在实数FFT快速版本里不需要管它。fft_output数组的实际有效复数是FFT_SIZE/2个，但物理排列需要用arm_cmplx_mag_f32函数来提取幅度，它会把成对的实部虚部数据当成复数处理。注意mag_output数组长度是FFT_SIZE/2，也就是512个，对应0到6400Hz的频点。这是因为采样率12800Hz时，奈奎斯特频率是6400Hz。

3.2 幅值计算与dB转换：为什么不能直接拿实部虚部做显示

FFT运算直接得到的是复数，包含幅度和相位信息。在频谱分析中，我们通常只关心幅度，也就是“这个频率的能量有多大”。计算幅度的方法是对每个复数求模，即实部平方加虚部平方再开方。CMSIS-DSP的arm_cmplx_mag_f32正好完成这件事，但还需要注意幅度校正系数。FFT函数自带的元素缩放与变换方式有关，通常需要除以FFT点数N，才能得到与该频率分量的原始幅值一致的数值。这在工程上非常关键，否则你输入一个1V的直流信号，输出却显示几十甚至几百，会误以为信号异常。

另外，为了能同时看到大信号和小信号，许多仪器会把幅度转换为dB表示。dB的计算公式是20倍以10为底的对数。我会在代码里写一个小函数，把线性幅度映射到dB，并设置下限，避免对零取对数出现无穷值。如果只是显示柱状图，线性值或归一化百分比也可以，但答辩和验收时用dB更容易体现出专业度。

#define MAG_LOWER_LIMIT 0.0001f float32_t linear_to_db(float32_t linear_value) { if (linear_value < MAG_LOWER_LIMIT) { return -80.0f; // 低于下限视为-80dB，避免log0 } // 换算成dB，20是功率与幅度之间的系数 return 20.0f * log10f(linear_value / FFT_SIZE); }

这个函数里的下限值可以根据实际噪声水平调整。如果ADC噪声很低，可以设置为更小的值；如果噪声比较大，设成-80dB能让频谱图看起来不全是毛刺。有人会忘记除以FFT_SIZE，导致所有幅度都偏大。这里我一般在调好后，会在代码上方用注释写下“已考虑缩放因子”的提醒，防止之后又改错。

3.3 频谱分辨率和频率轴映射：让横坐标真正对应到Hz

FFT结果只是一个长度512的数组，每个下标对应一个“频点索引”。要把索引转换成物理频率，公式是：频率值 = 索引 * 采样率 / FFT点数。因此在这个例子里，频率分辨率为12800 / 1024 = 12.5Hz。下标1代表12.5Hz，下标100代表1250Hz，频率轴的最大值就是512个点里的第511个频点，约6387.5Hz，再加上直流分量覆盖0Hz，基本覆盖整个奈奎斯特带宽。

频率分辨率是衡量FFT能力的重要指标。如果需要的分辨率为1Hz，那么FFT点数必须达到12800，这对于STM32F1来说RAM压力很大。通常的替代方案是降低采样率并同时降低分析带宽，或者用“细化和扫描”的思路，只关注感兴趣的窄频带，而非全谱覆盖。验收时如果对方问“为什么分辨率是12.5Hz”，你要能解释清楚它与采样率和FFT点数之间的关系，并说明在当前硬件下是合理的折中。

频率映射常见的问题是把下标直接当成频率输出。我看到很多人上传的代码里，串口打出来的是“1, 2, 3, 4”而不是“12.5, 25.0, 37.5”，这就是因为缺少乘系数这一步。如果输出的是索引，会让上位机人员困惑，也让答辩效果打折扣。建议把频率映射写成一个独立的函数，比如计算当前索引对应的频率，这样无论是显示还是发送，代码可读性都更好。

还有一点要注意：对于实数FFT，输出数组是单边频谱，通常不需要关注高于采样率一半的频率；但对于复数FFT，输出是对称的，如果用了arm_cfft_f32而没做单边提取，拿到的结果会有一半的重复镜像，这也是许多“FFT结果看起来像对称波浪”的原因。

4. 数据采集与预处理：让FFT结果真正能反映真实信号

有不少学生实现了第三章的代码之后，把预先拷贝的固定数组替换成ADC采样数据，结果发现频谱变得乱七八糟。原因通常不在FFT，而在ADC采集和预处理环节。ADC的触发方式、DMA的缓冲区管理、信号是否加窗、直流分量是否去除，都会直接影响FFT输入序列的质量。这一章讲的是这些事情。

4.1 ADC多通道采样与DMA双缓冲：避免中断导致采样周期抖动

在STM32上采集模拟信号，最简单的做法是开启ADC中断，在中断回调里读取数据。但这种模式有两个问题：一是每次转换完成都要进中断，72MHz主频下频繁进出会消耗不少CPU；二是如果在中断里做简单存储，很难保证采样间隔严格一致。FFT对采样间隔一致性比较敏感，如果定时器触发本身是均匀的，但代码处理不及时或中断嵌套导致丢失转换结果，就会引入频谱泄露和杂散。

更可靠的做法是使用定时器触发ADC，然后让DMA自动把结果搬运到内存。定时器输出频率就是采样率，DMA每完成一轮传输就触发一次回调，在回调里切换缓冲区。这就是所谓的DMA半传输和全传输双缓冲机制。简单来说，让DMA不断往两个交替使用的缓冲区里写数据，一个缓冲区被写满时，CPU可以处理另一个缓冲区。这样采样过程完全由硬件驱动，CPU只负责批量处理。

#define ADC_BUF_LEN FFT_SIZE volatile uint16_t adc_buf[2][ADC_BUF_LEN]; // 两个缓冲区交替使用 volatile uint8_t active_buf = 0; // 当前正在被DMA写入的缓冲区 void adc_dma_init(void) { ADC_InitTypeDef adc_init; DMA_InitTypeDef dma_init; TIM_TimeBaseInitTypeDef tim_init; // 配置ADC连续扫描模式关闭，使用外部触发 adc_init.ADC_ExternalTrigConv = ADC_ExternalTrigConv_T2_CC2; // 配置DMA循环模式，外设地址为ADC数据寄存器，内存地址为adc_buf[0] dma_init.DMA_Mode = DMA_Mode_Circular; dma_init.DMA_BufferSize = ADC_BUF_LEN * 2; // 启动定时器，定时周期决定采样率 }

DMA配置成循环模式后，传输完整个数组会重新从头开始。如果要实现双缓冲，需要开启DMA的中断模式，在半传输和全传输中断里切换活动缓冲区的状态。很多教程会把DMA_BufferSize直接设为ADC_BUF_LEN，然后只处理一个固定缓冲区，这种做法能跑，但会在缓冲区满时停止采集，丢失连续数据。我一般会在主循环里维护一个标志位，表示“当前缓冲区已采集完成”，处理完FFT后再允许DMA继续写。这样虽然会丢失一小段数据，但至少不会出现写入和读取同一个缓冲区的竞争问题。

4.2 窗函数的选择与实现：不加密直接FFT会出现明显泄漏

对一段有限长度的信号做FFT，相当于在时间域上给信号乘了一个矩形窗。矩形窗的频谱是sinc函数，会产生大量的旁瓣，导致一个单频信号的能量“泄漏”到相邻频点上。典型表现是：输入一个1000Hz标准正弦波，却发现FFT输出里1000Hz附近上下好几个频点都有明显幅度，看起来像一条“胖谱线”。这并非FFT算法错了，而是矩形窗的固有特性。

解决方法是加窗函数。常用的窗有汉宁窗、海明窗、布莱克曼窗。汉宁窗在工程中应用最广，它的旁瓣衰减比较大，主瓣宽度稍微宽一些，适合绝大多数信号分析。加窗的做法很简单：在FFT之前，把输入时域数据的每一个样本乘以对应窗函数的系数。窗函数系数可以提前计算好存成数组，也可以在实时处理时计算。我习惯用查表法，因为STM32F1的浮点计算能力有限，预先生成表格能省时间。

下面是汉宁窗的生成和加窗过程：

float32_t window_table[FFT_SIZE]; void generate_hann_window(void) { for (int i = 0; i < FFT_SIZE; i++) { // 汉宁窗公式：0.5 - 0.5 * cos(2*pi*i/(N-1)) window_table[i] = 0.5f - 0.5f * cosf(2.0f * PI * i / (FFT_SIZE - 1)); } } void apply_window(float32_t *data) { for (int i = 0; i < FFT_SIZE; i++) { data[i] = data[i] * window_table[i]; } }

加窗之后，幅值会发生变化，因为窗函数会降低信号总能量。因此需要进行幅度校正，通常用“恢复系数”乘以幅度结果。汉宁窗的幅度恢复系数约为2。如果不能整，就用实际测得的标准信号标定。我在项目里是先输入一个已知幅值的1kHz标准正弦波，调节系数让FFT输出幅值等于示波器看到的幅值，这样最简单也最准确。

4.3 直流分量与工频干扰的滤除策略

FFT结果里，0Hz频点对应的是信号中的直流分量。如果ADC采集到的信号是2.5V偏置加小幅度交流，直流分量会占据极大能量，影响显示效果，也会让频谱图在其他频点上“看不出小信号”。处理办法有两种：一种是在采集层用差分输入方式消除直流偏置；另一种是在软件里先计算采样序列的平均值，然后把每个样本减去平均值，再去加窗和FFT。第二种办法更通用，几乎适用于所有压电传感器和普通音频信号。

如果你的采样信号是电网环境下的低压信号，50Hz和100Hz工频干扰会非常明显。这是真实项目中常见的烦恼。硬件上用带通滤波器可以抑制，软件上则可以在FFT之后只显示目标频段，比如把输出数组中10Hz以下的频点全部置零，或者显示时忽略相应区间。不过软件措施不能替代前端的抗混叠滤波器，如果信号中存在超过奈奎斯特频率的高频成分，它们会折叠到低频区域，这个坑在书面上很容易被忽略，实际电路里却很致命。所以ADC模拟输入端要加一级RC低通，截止频率要低于采样率的一半。

预处理顺序很关键：先取均值去直流，再加窗，再做FFT，最后做幅值恢复。如果你先加窗再减去均值，算出来的均值包含了窗函数形状，直流分量就移除不干净。这个问题我在调试中反复遇到过。所以建议把预处理代码封装成独立函数，顺序固定，避免后续维护时调整错乱。

5. 常见问题排查：FFT结果乱跳、频率偏移和DMA卡死

这一章汇总几个最容易在STM32 FFT项目里翻车的情况，每条都按现象、原因、解决的思路展开。如果你正在调试，建议对照着排查。很多问题其实不是代码逻辑难，而是没有经验，不知道往哪个方向查。

5.1 现象：频谱出现镜像，左右对称

调试时把FFT输出打印出来，发现数组前半段和后半段几乎一样，呈左右对称形状。如果你用的是复数FFT和长度为2N的数组，这个现象代表输出的完整频谱包含了正负频率，后半部分是前半部分的镜像。原因就是没用实数FFT做单边提取，而读取结果时又要求显示全部频点。

解决方法是改用arm_rfft_fast_f32，或者使用复数FFT时只取前N/2个频点。要注意的是，复数FFT的虚部为了承载ADC实数数据，会在N/2以上产生冗余，并不是真实物理频率，把数组输出到绘图工具时一定要截断。如果你不需要相位信息，实数FFT更方便，也更快。

5.2 现象：ADC采样值正常但FFT结果全为零

用调试器查看adc_buf，数值确实在正常范围内波动，但FFT输出所有幅值都是0。第一种可能是输入数组的格式不对。arm_rfft_fast_f32要求的是浮点数组，如果你直接把unsigned short型ADC数据传进去，编译器会做类型转换，但数据内存布局可能完全不是期望的。第二种可能是FFT函数要求的缓冲区长度和实际数组长度不匹配，导致它只读了一部分数据。

解决方法是先把ADC原始值转换成float32_t，并做归一化到-1到1或0到3.3的工程值，再送入FFT。这里有个常见误区：直接把ADC原始值当浮点用，结果幅度会特别大，但不是零。所以如果输出全为零，优先检查数组类型和长度。另一种可能是采样率太低，信号本身被低通滤除或采样点根本不是目标信号，这条需要观察时域波形放心。

5.3 现象：程序运行一段时间后DMA停止采集

一开始频谱显示正常，几分钟后数据不再更新，ADC缓冲区也不再变化。原因通常是DMA中断没有正确清除标志，或者缓冲区切换逻辑里，主循环处理FFT的时间超过了定时器触发两次DMA半传输的间隔，导致中断标志重叠丢失。另一种常见原因是DMA配置为单次模式而不是循环模式，传输完成一次后就停止了。

解决方法是先检查DMA中断服务例程有没有清标志，然后将DMA模式改成循环模式。对于半传输中断和全传输中断，要区分两个不同的回调。如果处理时间太长，最简单的缓解办法是在处理FFT时暂时关闭DMA中断，等处理完再开启，但这会导致部分数据丢失，也可以接受，只要刷新率足够稳定即可。我更推荐的做法是缩小FFT点数，比如从1024改为512，处理时间减半，丢失数据的概率也会降低。

5.4 现象：频率轴有偏移，测1kHz却看到1.2kHz

输入标准1kHz正弦波，FFT输出的峰却在1.2kHz附近，偏移严重。这往往是采样率的实际值和配置值不一致导致的。比如定时器被设置为12800Hz，但一条带浮点除法或打印的函数占用了大量CPU，导致定时器触发的有效率下降，实际采样率低于设定值，频率轴自然整体偏移。

解决方法是先用示波器或逻辑分析仪测量定时器触发的波形，确认实际频率是否等于设定值；或者用已知信号做全频带标定，反推出真实采样率。如果定时器配置依赖系统时钟，还要检查时钟源是内部还是外部，是否倍频正确。频率轴计算公式里的Fs一定要用实测值，不能用理论值，这是一个典型的“差一个数”的项目坑。

5.5 现象：刷新率太慢，画面明显卡顿

1024点FFT在STM32F1上理论计算只需几毫秒，但整体刷新率却不到一帧每秒。原因往往不是FFT本身，而是串口发送方式太笨。比如使用printf加浮点数格式化发送，每个浮点要转字符串，512个频点要发送很久。如果每次刷新都发全量数据，对串口来说是一个巨大负担。

解决方法是只发送频段内的峰值频点，一般发送前20或50个感兴趣频点即可。如果必须全量发送，就把串口波特率提升到115200或更高，并在发送时使用DMA发送，避免CPU阻塞。还可以缩小FFT点数，或者把结果先保存到缓冲数组，在后台慢慢发送，不要一次性在FFT完成后的回调里同步发送。这个优化做完，刷新率往往可以提升数倍。

6. 项目验收与答辩：用三组可测指标证明FFT实现合格

到了验收阶段，只演示“屏幕上有波形在跳”是不够的。评审会追问准确性和实时性。这章给出三个可以量化的验收维度，以及对应的测试方式，直接用于课程设计答辩或项目技术审查。

6.1 验收指标：频率精度、幅值误差、刷新率

频率精度的验收方法是输入一个已知频率的正弦波，记录FFT输出峰值对应的频点，计算与真实频率的偏差。合格标准通常要求误差在一个频率分辨率以内，也就是12.5Hz左右。幅值误差则是输入已知峰值的正弦波，比较FFT幅度与真实幅值，合格范围在5%以内。刷新率通过统计每秒完成的FFT次数或者串口输出帧数来得到，一般不低于5帧就算实时显示合格。

6.2 验收演示流程：从信号源到最终波形一次走通

建议准备一台简易信号发生器，如果没有，也可以用手机播放音频通过电位器衰减后输入到开发板的PA口。测试开始前先把信号源归零，确认ADC采样波形在屏上是一条干净的水平线；然后输出1kHz正弦波，记录FFT峰值位置和幅度；再分别切到2kHz和500Hz，观察峰是否跟着移动。最后直接用手碰一下输入端子，屏幕会立刻出现较宽的底噪，这个动作虽然简单，却能让评审直观看到FFT在“处理真实信号”时的行为。

答辩时最容易被问的是“为什么用这个点数”“为什么分辨率是这个数字”。回答的关键是把公式写出来：分辨率=采样率/FFT点数。然后解释自己如何根据目标信号频率范围做出折中。如果你能说清“加窗是为了抑制频谱泄漏，选汉宁窗是为了兼顾主瓣宽度和旁瓣衰减”，基本就能证明这不是纯抄代码，而是理解了算法工程的取舍。

6.3 答辩中的三位一体表述：采样、运算、输出闭环

在展示时，我建议先快速过一遍整体框图，然后直接进入“输入一个1kHz正弦波”的实际演示，边看现象边解释数据流。注意不要先讲数学定义，而是先讲得到的结果，再反推为什么能得到这个结果。这样听众不会陷在细节里。关于“使用官方库是不是工作量太小”的问题，最好提前准备一个补强回答：重点说明参数配置、内存规划、数据格式转换和输出协议设计都是自己完成，算法库只是工具。

我自己的经验是，验收最好提前半天完整演习一次，因为FFT项目最容易在“温度变化导致ADC漂移”或“接触不良产生噪声”这种小事上翻车。从那以后，我每次交项目前都强制走一遍“静音测试—单频测试—扫频测试”三步流程，确认噪声、精度和刷新率都达标才敢给导师看。“静音”对应底噪，“单频”对应准度，“扫频”对应全带一致性。这套流程不用花很多时间，但能帮你在验收前发现大部分隐藏问题。希望你能在这套方案基础上做出自己的完整系统，并在答辩时拿出让评审信服的实测数据。

本文还有配套的精品资源，点击获取