FFT 是什麼：從脈搏量化的角度理解傅立葉轉換

學習資源 ｜本文為背景知識說明，適合初次接觸頻域分析的讀者。讀完之後，你會更容易理解為什麼頻域脈診存在結構性瓶頸。

從一個具體的問題出發

你按在手腕上的脈搏，每秒鐘大約跳動一到兩次。感測器把這個振動記錄成一條連續的波形——橫軸是時間，縱軸是壓力（或位移）。

這條波形藏著很多資訊，但人眼很難直接讀懂它。所以工程師引入了一個工具：傅立葉轉換（Fourier Transform），或在電腦上常用的快速版本——FFT（Fast Fourier Transform，快速傅立葉轉換）。

FFT 做的事很具體：把一段波形，從「時間的描述」翻譯成「頻率的描述」。

你見過白光穿過稜鏡，分解成彩虹嗎？

白光是許多不同頻率的光混合在一起的結果。稜鏡把它們「拆開」，讓你看到每種頻率的光分別有多強。

FFT 對波形做的事一模一樣：

稜鏡分解的是光的顏色，FFT 分解的是波形裡的週期性振動成分。

人的心跳是週期性的，大約每秒一次。這個最基本的頻率叫做基頻（fundamental frequency），心率如果是 72 bpm，基頻大約是 1.2 Hz。

FFT 的分析結果會顯示：

這張「各頻率的強度清單」就是所謂的諧波頻譜。王唯工理論的核心假設，就是這些頻率分量可以和中醫臟腑的共振對應起來。

這讓研究者可以把一段 30 秒的脈搏錄音，壓縮成一組十幾個數字，再用統計方法去比較不同人、不同狀態之間的差異。

FFT 的設計有一個根本的前提：它假設你分析的那段訊號，在整個觀測區間裡是穩定的、重複的。

它計算的是「這段時間裡，平均而言，各個頻率的成分各有多強」——它是一台時間平均機器。

這個設計帶來幾個盲點：

脈搏不是完全穩定的訊號。如果在 30 秒的錄音裡，有一次「漏搏」（心跳偶爾停了一拍），FFT 的處理方式是把這個瞬時異常均攤到整段時間。在頻譜圖上，它幾乎看不見。

但在臨床上，這一次漏搏可能非常重要。

每一次心跳的波形有它獨特的「形狀」：上升有多快、主峰有多寬、有沒有明顯的凹口（主動脈瓣關閉造成的重搏切迹）、下降有多緩。

FFT 把這些形狀轉換成頻率成分的強度數字。這個過程是不可逆的壓縮——從原始波形到頻譜，你失去了形狀細節，換來了頻率摘要。

FFT 的輸出是「這段錄音」的頻譜，不是「第 7 拍」或「呼吸後的那幾拍」的頻譜。如果你想知道某個特定狀態下的脈象，FFT 只能告訴你整段的平均。

因為它有真實的優點：

問題不是 FFT 本身壞，而是脈搏不是 FFT 最適合的那種訊號。脈搏是非線性的、動態的、逐拍變化的——而 FFT 假設它是穩定的、均質的。

這個錯位，是三十年諧波脈診研究在方法學上最根本的癥結所在。

時域分析（Time-domain analysis）是另一條路：不做頻率分解，而是直接分析每一次搏動的波形特徵——

這些特徵全部活在時域裡，FFT 並不擅長捕捉它們。

這不是說時域分析更「高級」，而是說：要問什麼問題，決定了應該用什麼工具。

帶著這三點，你再去閱讀諧波脈診的研究文獻，就能更清楚地看見每一篇研究的假設藏在哪裡，以及它的結論可以走多遠。