我相信你应该每次都使用奈奎斯特垃圾箱。通过拥有它，您始终可以从频谱的前半部分重新创建实值信号的完整 DFT。而如果您丢弃此值，则无法返回，您可以重新创建您的时域信号。

正如您所指出的那样，通常奈奎斯特箱在使用 anti-aliasing filter时不应包含任何数据。不过，有时您可能希望通过 DFT 估计信号的能量。因此，您可能会得到不准确的值。问题是，你真的关心这样的准确性吗？

只是为了结束。我总是使用 Nyquist bin，我不需要问自己这些问题。

来自真实数据的一半 FFT 变换是多余的。然而，bin 1 和 bin 513 的虚部为零，所以这就是这些 bin 中的冗余所在。因此，您需要 bin 1 到 513 来表示原始数据（如果您真的想处理 1024 个字的存储，您可以将 bin 513 的实部填充到 bin 1 的虚部）。

您的问题是 bin 513 是否有用。这取决于你在做什么。但是，它不太可能比 bin 512 有用得多。

如果您使用 FFT 作为实现卷积的机制，您将不想丢失信息，因此您需要 bin 513。

如果您将其用作分析工具，您很可能会使用模拟预滤波和加窗以及其他使高频逐渐衰减的工具。但随后逐渐减少不仅会影响到 bin 513，还会影响之前的相当多的 bin。

就其本身而言，FFT/DFT 表示周期为 1024的周期信号的频率（在您的情况下）。但它很少是来自实际圈子的数据：FFT 几乎总是作为一些更复杂算法的组件应用，使用填充、窗口、重叠相加和其他东西。

这些 bin 的含义以及保留每个 bin 的重要性取决于您使用 FFT 的目的。

即使对于任何有限长度窗口和有限宽度过渡带都需要在 Fs/2 以下截止的抗混叠滤波器，与窗口函数卷积产生的滤波器滚降噪声和伪影（“泄漏”）也可以结束在中间 (N/2) 箱中。

因此，通过 IFFT（重叠添加/保存快速卷积等）和总功率分析（Parseval's）进行重建需要使用中间箱。

但是任何试图忽略窗口泄漏或过滤阻带或剩余混叠噪声的 FFT 结果分析都可能会忽略该 bin（甚至可能是它附近的一些 bin）作为本底噪声中的内容。