均匀采样是明确的标准，因为它不仅简化了数学推导，而且简化了实际应用。另一方面，有些应用（例如位于非均匀网格中的传感器阵列）不可能从感兴趣的信号中获取均匀分布的样本。在这种情况下，在时间或空间上执行非均匀采样，通常的方法是将这些非均匀样本转换为均匀样本。然后对那些预先计算的统一样本进行标准操作。

您可能想在此处查看 Wikipedia。存在非均匀傅立叶变换应用。文章还给出了一些使用这种技术的领域作为例子。

我知道的另一种应用是磁共振成像 (MRI)。在 MRI 中，图像数据在傅立叶空间中进行采样，因此您只需对数据进行 FFT 即可获得图像 - 只要成像序列在笛卡尔网格上对数据进行采样。但是，有些技术不遵守此限制，例如径向采样数据。这样，测量数据分布在直流频率周围的同心圆上，因此不适合简单的 FFT。可以将此数据插入笛卡尔网格并使用 FFT 进行成像过程（此过程称为重新网格化）。另一种技术是使用非均匀 FFT 算法 - 它可以回答您在哪里使用它的问题。