FFT 是什麼：脈診量化為什麼從這裡開始，又為什麼卡在這裡
學習資源 ｜ 頻域分析入門
為什麼脈診研究繞不開 FFT
過去三十年，幾乎所有試圖量化脈診的研究團隊，都選了同一個數學工具：快速傅立葉轉換（FFT）。王唯工用它、郭育誠用它、大多數脈診儀的訊號處理管線裡都有它。這不是偶然——FFT 是目前已知最高效的方式，把一段複雜的波形壓縮成一組數字，讓統計比較成為可能。
但工具的選擇不是中性的。每個工具都有它的假設，假設之外的東西，它結構性地看不見。理解 FFT 在做什麼、不做什麼，是判斷所有頻域諧波分析研究的起點。
稜鏡：從混合到分解
白光穿過稜鏡，分解成彩虹——許多頻率的光混在一起，稜鏡把它們拆開，讓你看到每種頻率各有多強。
FFT 對脈搏波做的事一模一樣。從這裡開始，你需要先熟悉一個詞：頻率。
頻率，就是「每秒重複幾次」。心跳每秒約 1.2 次，這個 1.2 Hz 就是脈搏的基本頻率。聲音也是如此：鋼琴中央 A 每秒振動 440 次，即 440 Hz。
FFT 的兩個端點：
- 輸入：一段在時間上起伏的訊號（感測器記錄到的脈搏波）
- 輸出：一張頻譜圖——這段訊號裡，每個頻率各佔多少比重
稜鏡分解光的顏色，FFT 分解波形裡的週期性振動成分。
正弦波：頻率的基本單位
這裡有一個問題值得停下來想：分解成什麼形狀？
答案是正弦波。不是三角波，不是方波，不是其他形狀。這不是數學的任意選擇，而是因為正弦波有一個獨特性質：它是唯一只含有單一頻率的波形。
其他所有形狀，本身就已經是多個頻率的混合。方波看起來簡單，但 FFT 分析後，它其實是 1 Hz + 3 Hz + 5 Hz + 7 Hz + ……無窮多個奇數倍頻的疊加。鋸齒波也一樣。只有正弦波，FFT 只看到一根柱。
這就是為什麼用正弦波來做分解：它是頻率的「原子」，最小的純粹單位。把複雜波形拆成正弦波的組合，等於找出它「由哪些頻率建造」。
一個具體的例子：
用長笛和小提琴同時演奏 A4（440 Hz）。時域波形看起來完全不同——長笛接近平滑的正弦波，小提琴鋸齒狀粗糙。但兩者的 FFT 都會在 440 Hz 出現一根高柱。差別在於：長笛幾乎只有 440 Hz，小提琴還有 880 Hz、1320 Hz、1760 Hz……一排泛音（harmonics）。相同的音高，不同的音色，正是來自泛音比例的不同。
心跳波形和小提琴一樣，不是純正弦波，所以 FFT 分解後會出現基頻的整數倍——這些就是王唯工所說的 C1、C2、C3……諧波。
諧波：心跳波形的頻率組成
心率 72 bpm 時，基頻約 1.2 Hz。FFT 把脈搏波分解成基頻的整數倍：
| 諧波 | 頻率（72 bpm） | 王唯工理論的臟腑對應 |
|---|---|---|
| C0 | 0 Hz（直流分量） | — |
| C1 | 1.2 Hz（基頻） | 肝 |
| C2 | 2.4 Hz | 腎 |
| C3 | 3.6 Hz | 脾 |
| … | … | … |
| C10 | 12 Hz | — |
這張「各頻率的強度清單」就是諧波頻譜。王唯工理論的核心假設，是這些頻率分量可以對應中醫臟腑的共振能量。這個對應是否成立，是另一個問題——但不管對應成不成立，FFT 本身的數學性質已經決定了它能告訴你什麼、不能告訴你什麼。
注意：如果心率從 72 bpm 加快到 80 bpm，C1 的位置從 1.2 Hz 移到 1.33 Hz，所有諧波都跟著平移。同一個人，心率不同，諧波的頻率位置就不同。這讓跨時間點的比較變得複雜。
互動示範：波形是疊加，頻譜是拆解
下面的合成器做的事，是 FFT 的反方向——把分解後的諧波「加回去」，看它們如何疊成一條脈搏波形。這讓你親眼看到「頻率分解」的意思。
在你操作之前，先記住你要從這個示範理解的兩件事：
○ 複雜波形 = 多個正弦波的疊加 每條彩色細線是一個諧波（一個正弦波），白色粗線是它們全部加起來的總和。真實的脈搏波形就是這條白線。
○ 振幅決定頻譜，相位決定形狀——FFT 只看振幅 改變振幅（高度）：白線形狀改變，頻譜柱也跟著高低變。 改變相位（左右平移）：白線形狀大幅改變，但頻譜柱完全不動。 這是 FFT 的核心盲點：兩條看起來完全不同的脈搏波形，可能有完全相同的 FFT 頻譜。
試這三步：
- 點「純正弦波」：只有 C1 一條彩色線，白色總和與它完全重疊——最純粹的單頻率訊號
- 點「典型脈波」：C1–C8 同時出現，中段八條彩線各自振動，白線是它們的疊加總和——這就是多個諧波合成脈搏形狀的過程
- 把 C2 的「相位」滑桿向右拉：看白線形狀大幅改變——但下方頻譜的 C2 柱高度完全不動
諧波振幅（能量）— 拉動即更新頻譜與中段色線
諧波相位（時間偏移）— 改變波形但不改變頻譜
圖中各色細線是 C1–C8 各自的正弦波，白色粗線是它們的總和——也就是脈搏波形。FFT 做的事正好相反：從已知的白色波形，反推每條細線的高度（振幅）和左右位移（相位）。振幅對應頻譜柱的高度；相位決定波形細節形狀，卻不出現在 FFT 的輸出裡。
頻率解析度：截多長的訊號，決定你能分辨多細
FFT 有一個基本的數學限制：頻率解析度 = 1 ÷ 訊號長度（秒）。
這意味著什麼？
| 截取長度 | 頻率解析度 | 能分辨 C1 和 C2 嗎？ |
|---|---|---|
| 1 秒 | 1 Hz | × 無法（C1 和 C2 相差 1.2 Hz，在 1 Hz 解析度下幾乎糊在一起） |
| 5 秒 | 0.2 Hz | △ 勉強 |
| 10 秒 | 0.1 Hz | ○ 清晰 |
看起來應該截愈長愈好。但這裡有一個脈診特有的困境：
10 秒的錄音裡，心率可能已經從靜息的 1.2 Hz 緩慢升到 1.3 Hz。C1 的位置在這 10 秒裡持續漂移，FFT 會把這個漂移疊加成一個展寬的模糊峰，而不是一根清晰的柱。訊號截愈長，頻率解析度理論上提高，但如果訊號本身不穩定，實際看到的頻譜反而更模糊。
這個矛盾——解析度需要長訊號，但長訊號讓非穩態問題惡化——是頻域脈診的核心工程困境之一，換更好的感測器解決不了它。
FFT 結構性地看不見什麼
FFT 有一個不可迴避的數學前提：它假設你分析的那段訊號，在整個觀測區間裡是穩定的、重複的。 它計算的是「這段時間裡，平均而言，各頻率成分各有多強」——本質上是一台時間平均機器。
這個前提帶來三個盲點，每一個都直接影響脈診的量化能力：
瞬時事件被平均掉
30 秒錄音裡有一次漏搏（心跳偶爾停了一拍），FFT 把這個瞬時異常均攤到整段時間，在頻譜上幾乎看不見。但中醫脈學的「結、代、促」脈——定義恰恰是瞬時的節律突變。FFT 對這類訊號結構性地失明。
波形的幾何形狀消失
每次心搏的波形有獨特的形狀：上升多快、主峰多寬、有沒有重搏切跡、下降多緩。如你在示範中看到的，改變相位不改變頻譜——這意味著 FFT 輸出相同頻譜的兩段波形，可能有截然不同的形狀細節。傳統脈象的弦、滑、細、澀，描述的恰恰是觸覺經驗中的「形狀」與「質地」。
分析的是整段，不是每一拍
FFT 輸出「這段錄音」的頻譜，不是「第 7 拍」或「深呼吸後那幾拍」的頻譜。如果你想知道某個特定瞬間的脈象變化，FFT 只能告訴你整段的平均。
錯位：脈搏不是 FFT 最適合的訊號
問題不是 FFT 本身壞——對穩定週期訊號，它是最好的工具之一。問題是脈搏不是穩定週期訊號。每一搏都受神經、體液、情緒的即時調節，是非線性的、動態的、逐拍變化的。FFT 假設它是穩定的、均質的。
這個錯位不是工程問題。換更好的感測器、收更大的樣本、提高採樣率——都不會讓 FFT 開始看見它數學上看不見的東西。
更準確地說，選擇用 FFT 來分析脈搏，本身就是一個理論決定——你假設脈搏的本質可以用「頻率成分的強弱」來描述。這不是中性的觀察，而是一種理論投射：把一個多維的生理現象（形狀、節律、深淺、質地），壓縮到頻率空間裡的一組數字。投射過程中丟失的資訊，不是分析精度能補回來的——那些資訊從數學上就不存在於 FFT 的輸出中。
小結
| FFT 的假設 | 脈搏的實際性質 | |
|---|---|---|
| 穩定性 | 訊號在觀測區間內平穩 | 逐拍變化，受即時調節 |
| 週期性 | 嚴格的週期重複 | 有節律但非嚴格週期 |
| 輸出維度 | 頻率能量分布（一維） | 形狀、質地、深淺、節律（多維） |
| 時間解析度 | 整段平均 | 臨床關注瞬時事件 |
| 相位資訊 | 存在但通常不報告 | 決定波形形狀細節 |
FFT 是脈診量化的起點——它讓「把脈搏變成數字」第一次成為可能。但它也是一個有明確邊界的工具。帶著這張表，再去閱讀頻域諧波分析的研究文獻，你會更容易看出每篇研究的假設藏在哪裡，以及它的結論能走多遠。
頻域諧波能描述多少傳統脈象？這兩套語言的座標軸是否平行？這是下一個值得追問的問題。
延伸閱讀
- 頻域諧波與傳統脈象：兩套描述系統的根本差異——即使 FFT 完全精確，諧波能量和浮沉弦滑之間的座標軸也不平行
- 頻域脈診的三個物理瓶頸——FFT 應用於脈診的結構性問題，從物理層面展開
- 血液循環共振理論（二）：三十年的文獻，為什麼沒有成為科學脈診的主軸？——40 篇研究的文獻整理，這條路走到哪裡
- 頻域諧波分析常見問答——演算法、AI、臟腑對應、臨床定位的 12 個核心問題
本文為 TCMpulse 學習資源系列。如有勘誤或補充，歡迎透過 contact@tcmpulse.com 聯絡。