执行快速傅立叶变换（FFT）程序时，需要调用的关键参数和设置包括：
FFT大小（FFT Size）
FFT大小决定了要处理的样本数量，通常是2的幂数。例如，如果选择10，则表示要处理2的10次幂个样本，即1024个样本。
重叠值（Overlap）
重叠值控制着FFT分析块之间的重叠度。较高的数值会使过渡更平滑，但会增加处理时间；较低的数值会使转换变得粗糙，但处理速度更快。通常，选择较高的数值（如4倍）可以获得较好的平滑度和过渡效果。
采样频率（Sampling Frequency）
采样频率决定了每秒采集的样本数量。采样频率越高，频率分辨率越好，但数据量也越大。根据奈奎斯特采样定理，采样频率应至少是信号中最高频率的两倍。
样本点数（Number of Samples）
样本点数是FFT计算中使用的点的数量。样本点数越多，频率分辨率越高，但计算量也越大。样本点数通常设置为2的整数幂，以便于使用FFT算法。
频谱分辨率（Spectrum Resolution）
频谱分辨率是示波器或FFT所能分辨的最小频率间隔。它可以通过采样频率和样本点数计算得出，公式为：`Fs/N`，其中`Fs`是采样频率，`N`是样本点数。
输入信号处理
在进行FFT之前，通常需要对输入信号进行预处理，如补零、归一化等，以确保FFT结果的准确性和可靠性。
输出结果处理
FFT计算得到的频谱通常是对称的，实际应用中通常只关注正频率部分。可以通过调整频率轴来保留正频率部分。
调用FFT函数
在编程实现FFT时，需要调用相应的函数或库。例如，在MATLAB中，可以使用内置的`fft`函数进行快速傅里叶变换。
其他参数
根据具体应用需求，可能还需要调整其他参数，如旋转因子、复数类型定义、IFFT调用等。
通过合理设置这些参数，可以有效地进行FFT处理，从而获得高质量的频谱分析结果。