FFT（Fast Fourier Transform，快速傅立叶转换）是一种数学工具，能把一段随时间变化的讯号分解成不同频率的正弦波组合，并计算各频率成分的能量大小。对脉搏讯号来说，FFT 能把每次心跳的波形压缩成 C1、C2……C10 等谐波的能量数值，方便统计比较。

FFT 的频率解析度是什么意思？

频率解析度 = 1 ÷ 讯号长度（秒）。截取 1 秒的脉搏，频率解析度是 1 Hz——相差 1 Hz 以内的两个频率根本无法分辨。截取 10 秒，解析度提升到 0.1 Hz，才能清楚分辨 C1（1.2 Hz）与 C2（2.4 Hz）。但问题是：10 秒内心率往往已经变了，FFT 得到的只是这段时间的模糊平均。

把 FFT 用在脉搏讯号上，有什么根本的限制？

FFT 可以用在脉搏讯号上，但有一个结构性的前提：它假设输入讯号是平稳的（均值和统计特性不随时间改变）。脉搏受呼吸、情绪、血管张力即时调控，每个心跳周期的波形都略有不同，是典型的非平稳讯号。对非平稳讯号做 FFT，得到的是时间平均的频谱估计——不是脉搏在任一瞬间的频率组成，而是整段测量期间的平均概况。这不是说 FFT 在这里没有用，而是说它能回答的问题比表面看起来窄一些。

FFT 是什么：脉诊量化为什么从这里开始，又为什么卡在这里

学习资源 ｜频域分析入门

为什么脉诊研究绕不开 FFT

过去三十年，几乎所有试图量化脉诊的研究团队，都选了同一个数学工具：快速傅立叶转换（FFT）。王唯工用它、郭育诚用它、大多数脉诊仪的讯号处理管线里都有它。这不是偶然——FFT 是目前已知最高效的方式，把一段复杂的波形压缩成一组数字，让统计比较成为可能。

但工具的选择不是中性的。每个工具都有它的假设，假设之外的东西，它结构性地看不见。理解 FFT 在做什么、不做什么，是判断所有频域谐波分析研究的起点。

棱镜：从混合到分解

白光穿过棱镜，分解成彩虹——许多频率的光混在一起，棱镜把它们拆开，让你看到每种频率各有多强。

FFT 对脉搏波做的事一模一样。从这里开始，你需要先熟悉一个词：频率。

频率，就是「每秒重复几次」。心跳每秒约 1.2 次，这个 1.2 Hz 就是脉搏的基本频率。声音也是如此：钢琴中央 A 每秒振动 440 次，即 440 Hz。

FFT 的两个端点：

输入：一段在时间上起伏的讯号（感测器记录到的脉搏波）
输出：一张频谱图——这段讯号里，每个频率各占多少比重

棱镜分解光的颜色，FFT 分解波形里的周期性振动成分。

正弦波：频率的基本单位

这里有一个问题值得停下来想：分解成什么形状？

答案是正弦波。不是三角波，不是方波，不是其他形状。这不是数学的任意选择，而是因为正弦波有一个独特性质：它是唯一只含有单一频率的波形。

其他所有形状，本身就已经是多个频率的混合。方波看起来简单，但 FFT 分析后，它其实是 1 Hz + 3 Hz + 5 Hz + 7 Hz + ……无穷多个奇数倍频的叠加。锯齿波也一样。只有正弦波，FFT 只看到一根柱。

这就是为什么用正弦波来做分解：它是频率的「原子」，最小的纯粹单位。把复杂波形拆成正弦波的组合，等于找出它「由哪些频率建造」。

一个具体的例子：

用长笛和小提琴同时演奏 A4（440 Hz）。时域波形看起来完全不同——长笛接近平滑的正弦波，小提琴锯齿状粗糙。但两者的 FFT 都会在 440 Hz 出现一根高柱。差别在于：长笛几乎只有 440 Hz，小提琴还有 880 Hz、1320 Hz、1760 Hz……一排泛音（harmonics）。相同的音高，不同的音色，正是来自泛音比例的不同。

心跳波形和小提琴一样，不是纯正弦波，所以 FFT 分解后会出现基频的整数倍——这些就是王唯工所说的 C1、C2、C3……谐波。

谐波：心跳波形的频率组成

心率 72 bpm 时，基频约 1.2 Hz。FFT 把脉搏波分解成基频的整数倍：

谐波	频率（72 bpm）	王唯工理论的脏腑对应
C0	0 Hz（直流分量）	—
C1	1.2 Hz（基频）	肝
C2	2.4 Hz	肾
C3	3.6 Hz	脾
…	…	…
C10	12 Hz	—

这张「各频率的强度清单」就是谐波频谱。王唯工理论的核心假设，是这些频率分量可以对应中医脏腑的共振能量。这个对应是否成立，是另一个问题——但不管对应成不成立，FFT 本身的数学性质已经决定了它能告诉你什么、不能告诉你什么。

注意：如果心率从 72 bpm 加快到 80 bpm，C1 的位置从 1.2 Hz 移到 1.33 Hz，所有谐波都跟着平移。同一个人，心率不同，谐波的频率位置就不同。这让跨时间点的比较变得复杂。

互动示范：波形是叠加，频谱是拆解

下面的合成器做的事，是 FFT 的反方向——把分解后的谐波「加回去」，看它们如何叠成一条脉搏波形。这让你亲眼看到「频率分解」的意思。

在你操作之前，先记住你要从这个示范理解的两件事：

○ 复杂波形 = 多个正弦波的叠加 每条彩色细线是一个谐波（一个正弦波），白色粗线是它们全部加起来的总和。真实的脉搏波形就是这条白线。

○ 振幅决定频谱，相位决定形状——FFT 只看振幅 改变振幅（高度）：白线形状改变，频谱柱也跟着高低变。改变相位（左右平移）：白线形状大幅改变，但频谱柱完全不动。这是 FFT 的核心盲点：两条看起来完全不同的脉搏波形，可能有完全相同的 FFT 频谱。

试这三步：

点「纯正弦波」：只有 C1 一条彩色线，白色总和与它完全重叠——最纯粹的单频率讯号
点「典型脉波」：C1–C8 同时出现，中段八条彩线各自振动，白线是它们的叠加总和——这就是多个谐波合成脉搏形状的过程
把 C2 的「相位」滑杆向右拉：看白线形状大幅改变——但下方频谱的 C2 柱高度完全不动

图中各色细线是 C1–C8 各自的正弦波，白色粗线是它们的总和——也就是脉搏波形。FFT 做的事正好相反：从已知的白色波形，反推每条细线的高度（振幅）和左右位移（相位）。振幅对应频谱柱的高度；相位决定波形细节形状，却不出现在 FFT 的输出里。

频率解析度：截多长的讯号，决定你能分辨多细

FFT 有一个基本的数学限制：频率解析度 = 1 ÷ 讯号长度（秒）。

这意味着什么？

截取长度	频率解析度	能分辨 C1 和 C2 吗？
1 秒	1 Hz	× 无法（C1 和 C2 相差 1.2 Hz，在 1 Hz 解析度下几乎糊在一起）
5 秒	0.2 Hz	△ 勉强
10 秒	0.1 Hz	○ 清晰

看起来应该截愈长愈好。但这里有一个脉诊特有的困境：

10 秒的录音里，心率可能已经从静息的 1.2 Hz 缓慢升到 1.3 Hz。C1 的位置在这 10 秒里持续漂移，FFT 会把这个漂移叠加成一个展宽的模糊峰，而不是一根清晰的柱。讯号截愈长，频率解析度理论上提高，但如果讯号本身不稳定，实际看到的频谱反而更模糊。

这个矛盾——解析度需要长讯号，但长讯号让非稳态问题恶化——是频域脉诊的核心工程困境之一，换更好的感测器解决不了它。

FFT 结构性地看不见什么

FFT 有一个不可回避的数学前提：它假设你分析的那段讯号，在整个观测区间里是稳定的、重复的。 它计算的是「这段时间里，平均而言，各频率成分各有多强」——本质上是一台时间平均机器。

这个前提带来三个盲点，每一个都直接影响脉诊的量化能力：

瞬时事件被平均掉

30 秒录音里有一次漏搏（心跳偶尔停了一拍），FFT 把这个瞬时异常均摊到整段时间，在频谱上几乎看不见。但中医脉学的「结、代、促」脉——定义恰恰是瞬时的节律突变。FFT 对这类讯号结构性地失明。

波形的几何形状消失

每次心搏的波形有独特的形状：上升多快、主峰多宽、有没有重搏切迹、下降多缓。如你在示范中看到的，改变相位不改变频谱——这意味着 FFT 输出相同频谱的两段波形，可能有截然不同的形状细节。传统脉象的弦、滑、细、涩，描述的恰恰是触觉经验中的「形状」与「质地」。

分析的是整段，不是每一拍

FFT 输出「这段录音」的频谱，不是「第 7 拍」或「深呼吸后那几拍」的频谱。如果你想知道某个特定瞬间的脉象变化，FFT 只能告诉你整段的平均。

错位：脉搏不是 FFT 最适合的讯号

问题不是 FFT 本身坏——对稳定周期讯号，它是最好的工具之一。问题是脉搏不是稳定周期讯号。每一搏都受神经、体液、情绪的即时调节，是非线性的、动态的、逐拍变化的。FFT 假设它是稳定的、均质的。

这个错位不是工程问题。换更好的感测器、收更大的样本、提高采样率——都不会让 FFT 开始看见它数学上看不见的东西。

更准确地说，选择用 FFT 来分析脉搏，本身就是一个理论决定——你假设脉搏的本质可以用「频率成分的强弱」来描述。这不是中性的观察，而是一种理论投射：把一个多维的生理现象（形状、节律、深浅、质地），压缩到频率空间里的一组数字。投射过程中丢失的资讯，不是分析精度能补回来的——那些资讯从数学上就不存在于 FFT 的输出中。

小结

	FFT 的假设	脉搏的实际性质
稳定性	讯号在观测区间内平稳	逐拍变化，受即时调节
周期性	严格的周期重复	有节律但非严格周期
输出维度	频率能量分布（一维）	形状、质地、深浅、节律（多维）
时间解析度	整段平均	临床关注瞬时事件
相位资讯	存在但通常不报告	决定波形形状细节

FFT 是脉诊量化的起点——它让「把脉搏变成数字」第一次成为可能。但它也是一个有明确边界的工具。带着这张表，再去阅读频域谐波分析的研究文献，你会更容易看出每篇研究的假设藏在哪里，以及它的结论能走多远。

频域谐波能描述多少传统脉象？这两套语言的座标轴是否平行？这是下一个值得追问的问题。