Flutter中生成正弦波信号用于FFT测试的异常问题排查

核心问题分析 #

1. 信号生成逻辑缺失采样率定义
   你直接用采样点索引i作为时间变量，相当于默认采样率Fs=1Hz，但此时设置的frequency=0.01Hz，100个采样点仅覆盖1个完整周期，理论上FFT应在对应bin出现峰值，但后续FFT处理的错误掩盖了这一点。

2. FFT输出处理完全错误
   多数FFT库的realFft方法针对实输入信号，会返回压缩的共轭对称频域结果（仅保留前半部分），且返回值包含完整的实部和虚部信息。你直接将每个结果转为虚部为0的复数，完全丢弃了虚部，导致频域数据彻底失真。

3. 未计算有效幅度谱
   原始FFT复数输出需要取模（或模平方）才能得到反映信号能量的幅度谱，直接查看实部无法体现频率分量的存在。

修正后的代码 #

import 'dart:math';
import 'package:complex/complex.dart';
import 'package:dart_fft/dart_fft.dart';

List<double> generateMockSignal() {
  final double amplitude = 50.0;
  // 实际信号频率（单位：Hz）
  final double frequency = 1.0;
  final double phase = 0.0;
  final int numSamples = 100;
  // 采样率（单位：Hz，定义每秒采集的样本数）
  final double sampleRate = 100.0;

  final List<double> signal = List.generate(numSamples, (i) {
    // 计算当前采样点的实际时间
    double t = i / sampleRate;
    return amplitude * sin(2 * pi * frequency * t + phase);
  });

  return signal;
}

List<double> computeFFTMagnitude(List<double> signal) {
  final int n = signal.length;
  final fft = FFT(n);
  // realFft返回完整的半长复数频域结果
  final List<Complex> freqDomain = fft.realFft(signal);
  
  // 计算每个频点的幅度（复数模长）
  List<double> magnitude = freqDomain.map((complex) => complex.abs()).toList();

  // 实信号FFT的对称分量被压缩，除DC和Nyquist分量外，其余幅度需乘以2还原
  for (int i = 1; i < magnitude.length - 1; i++) {
    magnitude[i] *= 2;
  }

  return magnitude;
}

验证说明 #

• 当设置frequency=1.0Hz、sampleRate=100Hz、numSamples=100时，FFT的频率bin间隔为sampleRate/numSamples=1Hz，第1个非DC bin（索引1）会出现明显峰值。
• 若测试非整数周期信号（如frequency=1.5Hz），会出现频谱泄漏，可添加汉宁窗等窗函数优化：在生成信号后，对每个采样点乘以0.5 * (1 - cos(2*pi*i/numSamples))。
• 避免设置过大振幅，若使用定点FFT实现可能触发数值溢出，导致杂散噪声。

内容的提问来源于stack exchange，提问作者sleepyboi