對訊號進行頻譜分析的原因：

在看似雜亂無章的訊號中，找出一定振幅、相位、頻率的基本的正弦（餘弦）訊號中，振幅較大（能量較高）訊號對應的頻率，從而找出訊號的主要振動頻率特點。如減速機故障時，透過頻譜分析，根據各級齒輪轉速，齒數與雜音訊譜中振幅大的對比，可以快速判斷哪級齒輪損傷。

訊號譜分析是數字訊號處理的重要內容，對確定的訊號其時 域表示是確定的，其頻譜可以通 過傅立葉變換得到。但在實際應用中，攜帶資訊的訊號本質上都是隨機的，隨機訊號不能用 確定的時間函式表示，只能用機率分佈函式、機率密度函式或統計平均特性來描述。通常把 隨機訊號看作無限長度和無限能量的功率訊號，由於不滿足絕對可積，其傅立葉變換不存在 ，因此只能研究其功率在頻域的分佈，即功率譜或功率譜密度。

實際應用中人們所能得到的 隨機訊號的樣本函式總是有限長序列，根據有限長度的訊號所得的功率譜只是隨機訊號真實 功率譜的估計，稱為功率譜估計。功率譜是平穩隨機訊號在頻域上，描述各頻率分量功率分 布情況的基本特徵量，由於功率譜與相關函式之間是一對傅立葉變換，經典功率譜估計都依 據DFT，而採用FFT演算法，故稱之為非引數方法。