FFT与THD的核心定义及物理意义
傅里叶变换（FFT）是一种将时域信号转换为频域信号的数学工具，其核心在于将复杂的波形分解为多个不同频率、幅度和相位的正弦波叠加。在音频分析领域，FFT能够直观展示信号中各个频率成分的能量分布，帮助工程师识别出行波、驻波或非线性失真产生的额外频谱分量。通过快速傅里叶变换算法，原本在时间轴上难以察觉的微小谐波畸变，被转化为频域曲线中清晰可见的尖峰或基底抬升，为后续失真量化提供数据基础。
总谐波失真（THD）则是衡量音频系统线性度的关键指标，定义为所有谐波分量有效值之和与基波有效值之比。当音频信号通过放大器、扬声器或数字处理器时，非线性特性会导致输出信号中产生原始信号未包含的频率成分，这些成分即为谐波失真。THD数值越低，通常意味着系统对原始信号的还原越准确，但在高保真音频工程中，仅凭THD单一数值难以全面反映听感，必须结合频谱分布特征进行深度解析。
频响曲线在失真分析中的映射逻辑
频响曲线描述了系统输出信号幅度随频率变化的规律，是评估音频设备性能的基础视图。在理想线性系统中，频响曲线应保持平坦，任何偏离理想曲线的波动都可能由相位失真、群延迟或非线性增益引起。通过对比输入与输出信号的频响差异，可以定位特定频段下的增益异常，这些异常往往是谐波失真产生的前兆。例如，高频段增益的剧烈滚降可能伴随着削波失真，而低频段的驻波共振则可能激发出门限失真。
将频响曲线与FFT频谱图结合使用，能够建立严密的因果关联。当FFT显示某频率处出现异常的谐波峰值时，同步观察该频段在频响曲线上的表现，有助于判断失真来源。若频响曲线在该处存在明显的增益提升或相位突变，则失真可能源于器件的非线性响应；若频响曲线平坦但FFT出现宽带噪声基底抬升，则可能指向量化误差或时钟抖动。这种多维度的交叉验证，使得失真测量不再依赖于单一数据点，而是基于严密的频谱逻辑推导。
精准测量中的关键参数设置
测量精度高度依赖于FFT窗口函数与采样参数的选择，不同窗口函数对频谱泄漏的抑制能力各异。汉宁窗（Hanning）和海明窗（Hamming）能有效降低频谱泄漏，适用于非周期性信号的分析；而矩形窗（Rectangular）虽泄漏较大，但频率分辨率最高，适合需要精确捕捉窄带谐波的场景。在实际操作中，需根据信号长度和频率分辨率需求，计算合适的FFT点数，确保基波频率恰好落在频点中心，以避免因栅栏效应导致的幅值误差。
采样率与奈奎斯特频率的关系决定了可测量频带的上限，过低的采样率会导致高频谐波混叠至低频段，造成失真误判。通常，测量THD时需确保采样率至少为最高关注谐波频率的2.5倍以上，以保留足够的动态范围。此外，触发同步问题会严重影响测量稳定性，使用外部参考信号或软件同步触发，可消除因相位漂移导致的频谱抖动。对于高精度测量，还需考虑前置放大器的底噪水平，确保信号信噪比高于测量系统动态范围，避免噪声基底掩盖微小失真信号。
从频谱数据到失真量化
THD的具体计算依赖于对FFT频谱数据的精确提取与积分处理。在获得频谱图后，需识别出色基波频率及其对应的幅度，随后在基波两侧设定合理的搜索范围，排除直流分量及低频噪声干扰。所有位于搜索范围内、且幅度高于预设噪声阈值的谐波分量，其有效值需通过平方和开方运算累加。最终，将累加结果除以基波有效值，即可得到该频率点的THD百分比。这一过程需剔除互调失真成分，确保THD指标严格对应谐波失真。
为了更全面地评估音频失真，常引入THD+N（总谐波失真加噪声）指标，它涵盖了谐波失真及宽带噪声的影响。在频响曲线分析中，THD+N的测量可通过在信号源中注入单音信号，随后使用带阻滤波器滤除基波，再对剩余信号进行真有效值（True RMS）测量。通过对比注入信号前后的频谱变化，可以分离出色噪声基底与谐波分量。这种测量方法对评估音频链路的整体线性度具有显著意义，特别是在处理大信号动态下的失真表现时，能更真实地反映系统在实际工作状态下的性能边界。