为什么线性调频频率的微小变化会导致快速傅立叶变换输出发生重大变化？

使用Audacity，我生成并导出了两个非常相似的线性调频脉冲，各1秒。一个具有440.00Hz的频率，另一个具有440.01Hz的频率。

使用Julia，我编写了一个简短的脚本来生成FFT图：

using WAV
using FFTW
using PyPlot

data, bps = wavread("440.01hz.wav")
plot(fft(data))

440.01绘图着眼于我的期望，在该频率处有一个大的尖峰：但是，在精确的整数440文件上重复相同的过程会产生以下结果：锯齿状的线条非常尖峰，没有尖峰。并进行缩小，看起来像这样（x轴转到44100，因为那是文件的每秒节拍数）：我以更多的频率重复了该过程，并且似乎总是产生良好的效果（合理吗？ ）的结果是当频率为非整数时，否则会造成混淆。我在这里遇到什么问题？

编辑：

这些是文件：

440.00Hz http://www.mediafire.com/file/n6erdh3tkzslpro/440.00hz.wav/file

440.01Hz http://www.mediafire.com/file/2au05df2aelmn9o/440.01hz.wav/file

And here's a plot of both waves (almost indistinguishable) plotted with both fft's zoomed in:

And zoomed out:

The code used to generate these is the same as the one above, but with 4 plots (440 WAV, 440 FFT, 440.01 WAV, 440.01 FFT).

Edit2:

I figured out at least part of the problem. If I first pass the fourier transform of the 440.00hz wav to the absolute value function before plotting it plot(fft(data) .|> abs), I get a correct result:

So I know the solution to the problem now, but not why the solution works. The question still remains: what is it about integer frequencies that produces a graph with no spikes? Or, equally valid, why do fractional frequencies produce graphs with them?