답변:
생각보다 간단합니다. 주파수를 불연속 화하면 주파수 빈을 얻게됩니다. 따라서 푸리에 변환을 이산화시킬 때 : 연속 주파수는 N 이산 빈이됩니다.
이것이 바로 다음과 같은 이유입니다. FFT는 주파수 0 ~ 샘플 주파수 Hz를 나타냅니다.
주파수 빈은 세그먼트 작은 주파수 범위에서 진폭, 크기 또는 에너지를 "수집"하는 주파수 축의 주파수는 종종 푸리에 분석에서 발생합니다. 데이터 이산화로 인해 (샘플링으로 인해) 일반적으로 실제 축의 모든 주파수에 정확한 진폭을 할당 할 수 없습니다. 주파수 빈은 예를 들어 샘플링 주파수 및 푸리에 변환의 해상도로부터 도출 될 수있다. 그러나, 계산 된 진폭의 일부는 빈 범위에 포함되지 않은 실제 신호의 주파수에 기인 할 수있다. 이 현상과 관련된 용어는 누출, 번짐, 앨리어싱, 윈도 잉일 수 있으며 이러한 진폭을 얻는 데 사용되는 도구에 따라 다릅니다. 다음 그림에 실례가 설명되어 있습니다. 순수한 사인이 샘플링되고 직사각형 창을 통해 분석됩니다.
확률 빈에서도 비슷한 개념을 찾을 수 있습니다.
FFT는 DFT를 계산하는 방법입니다. 그리고 DFT는 유한 한 길이의 벡터로 변환되어 유한 한 수의 결과를 생성합니다. 그러나 FFT에 공급하기 위해 유한 한 길이로 창을 열 수있는 정현파의 주파수 범위는 무한합니다. 따라서, FFT의 각각의 결과 벡터 요소는 포인트 (FFT 빈 중심 주파수)가 아니라이 주파수 연속체의 작은 세그먼트와 주로 연관되어있다.
때때로 빈은 고정 폭 직사각형 필터로 이상적입니다. 그러나 각 FFT 결과 빈의 실제 모양은 사각형 버킷이 아니라 Sinc 모양이거나 선택적으로 적용되는 사각형이 아닌 창 함수의 변형 모양입니다. 이러한 결과 빈은 FFT 빈 사이의 거리보다 벌크에서 넓을 수 있으며, 결과의 전체 너비 주위에 꼬리 (스톱 밴드)가 있습니다. 이 꼬리는 때때로 "누설"이라고합니다.