假设您的 512 个信号样本是在采样频率下进行的$f_s$，则得到的 512 个 FFT 系数对应于频率：

0,$f_s/512$,$2 f_s/512$,$\ldots$,$511 f_s/512$

由于您正在处理离散时间信号，因此傅里叶变换是周期性的，FFT 也不例外。

因此你可以认为你的最后一个系数也对应于频率$511 f_s/512 = (511-512) f_s/512 = -1 f_s/512$.

这同样适用于倒数第二个系数，依此类推。这是 Daniel Hicks 评论的镜像。

此外，如果您正在转换一个真实信号，那么您的所有信息都包含在前 256 个 FFT 系数中。其余的只是第一个系数的复共轭。

它总是让我头疼，但首先要明白你只有 256 个频率。根据所使用的算法，第二个 256 只是第一个的镜像，或者它们表示对应于第一个 256 中的实部的虚部。

还要了解 FFT 的频率分辨率只能达到采样频率的一半，因此如果您以每秒 10,000 个样本的速度进行采样，则分辨率的最高频率将为 5,000 Hz。

从那里你可以弄清楚。假设你有 256 个桶，最高代表 5000Hz，最低代表 DC。每个桶的频谱宽度为 5000/256 Hz，因此第 0 个从 DC 开始，第一个从 19.5Hz 开始，第二个从 39Hz 开始，依此类推。

不管怎样，我一直都是这么想的。

首先，您得到的 FFT 系数没有分解为 256 个正弦系数和 256 个余弦系数。这些是构成信号的复指数的系数。如果您的输入信号是真实的，那么这些系数中只有 257 个携带有用信息（直流分量；255 个分量；奈奎斯特频率分量；然后是 255 个分量的共轭，它们携带的唯一信息是您的信号有一个空虚部） . 系数的模携带幅度信息、角度携带相位信息、实部余弦幅度和虚部正弦幅度；和索引处的一个组件$i$包含有关频率的信息$\frac{i}{N}{s_r}$在哪里$N$是 FFT 大小和$s_r$你的采样率。

Juancho 回答了这个问题，但我觉得我应该在进一步讨论中指出，一般来说，DFT/FFT 的输入并不是严格真实的，因此，负频率或大于 Nyquist 频率包含的信息不是Fs/2 数据。