44.1kHz采样率WAV文件前100采样点FFT计算结果异常原因问询

核心原因1：频率分辨率不足 #

FFT的频率分辨率计算公式为 采样率 / FFT点数，你使用的44.1KHz采样率下，100点FFT的频率分辨率为 44100/100 = 441Hz，也就是说你最多只能区分间隔≥441Hz的频率成分。
而常规音频（语音、音乐等）的基频通常在80~1000Hz区间，相邻泛音的间隔远小于441Hz，100点FFT完全无法区分这些临近的频率成分，所有能量会混叠在同一个频率桶中，最终得到的结果自然不符合预期。
当你使用2048点FFT时，频率分辨率约为 44100/2048 ≈ 21.5Hz，这个分辨率足够区分绝大多数常规音频的频率成分，因此结果符合预期。

核心原因2：频谱截断泄漏 #

你直接截取前100个采样点做FFT，相当于对原始时域信号加了一个矩形窗，矩形窗的主瓣宽度为2倍频率分辨率，100点下主瓣宽度就达到了882Hz，同时矩形窗的旁瓣衰减很低，会导致单频信号的能量扩散到相邻的多个频率桶中，进一步模糊频谱的特征，放大了低分辨率带来的问题。

代码存在的额外问题 #

你当前生成频率轴的逻辑有误：实信号的FFT结果是共轭对称的，有效频率范围只有0到采样率的一半（即0~22050Hz），你生成的频率轴到44100Hz，相当于把对称的负频率部分也重复绘制了，会出现镜像频谱，即使分辨率足够也会显示异常。
修正后的代码逻辑参考：

import numpy as np
import matplotlib.pyplot as plt
import scipy.io.wavfile

def normalizeAudio(data):
    return np.float32(data / np.max(np.abs(data)))

SAMPLE_FOR = 1 # in seconds
samplerate, data = scipy.io.wavfile.read(r'Recording.wav')
data = normalizeAudio(data[0:int(samplerate*SAMPLE_FOR)])

fft_n = 2048 # 可根据需要的分辨率调整，分辨率=44100/fft_n
fft_out = np.fft.fft(data[0:fft_n])
# 直接用fftfreq生成频率轴，仅取前半部分有效频率
freq_vector = np.fft.fftfreq(fft_n, 1/samplerate)[:fft_n//2]
plt.plot(freq_vector, np.abs(fft_out[:fft_n//2]))
plt.xlabel("频率(Hz)")
plt.ylabel("幅度")
plt.show()

内容的提问来源于stack exchange，提问作者yarin Cohen