计算量小的显著的优点，使得FFT在信号处理技术领域获得了广泛应用，结合高速硬件就能实现对信号的实时处理。例如，对语音信号的分析和合成，对通信系统中实现全数字化的时分制与频分制(TDM/FDM)的复用转换，在频域对信号滤波以及相关分析，通过对雷达、声纳、振动信号的频谱分析以提高对目标的搜索和跟踪的分辨率等等，都要用到FFT。可以说FFT的出现，对数字信号处理学科的发展起了重要的作用。
FFT是一种DFT的高效算法，称为快速傅立叶变换（fast Fourier transform）。傅里叶变换是时域一频域变换分析中*基本的方法之一。在数字处理领域应用的离散傅里叶变换(DFT：Discrete Fourier Transform)是许多数字信号处理方法的基础。
理解时域、频域、FFT
傅立叶变换有助于理解常见的信号，以及如何辨别信号中的错误。 尽管傅立叶变换是一个复杂的数学函数，但是通过一个测量信号来理解傅立叶变换的概念并不复杂。 从根本上说，傅立叶变换将一个信号分解为不同幅值和频率的正弦波。
所有信号都是若干正弦波的和我们通常把一个实际信号看作是根据时间变化的电压值。 这是从时域的角度来观察信号。 傅立叶定律指出，任意波形在时域中都可以由若干个正弦波和余弦波的加权和来表示。 例如，有两个正弦波，其中一个的频率是另一个的3倍。 将两个正弦波相加，就得到了一个不同的信号。
通过这种方法，所有时域中的信号都可表示为一组正弦波。
即使可以通过这种方法构造信号，那意味着什么呢？ 因为可以通过正弦波构造信号，同理也可以将信号分解为正弦波。 一旦信号被分解，可查看和分析原信号中不同频率的信号。 请参考信号分解的下列使用实例：
内部缓存RAM采用16Kfloat来存储数据。基波频率*高2.5HZ; 能够识别到的谐波频率*高20KHZ。
用户可以自行选择性提取有用信号的频点、幅值与相位；一般有用信号都属于中、低频信号；高频信号多为干扰或毛刺。
*终数据转换成8K的16位整型数据，UART输出。因为数据较大，为保证数据分析的实时响应，波特率至少为256000bit/s.
