FFT、窗口化，DFT傅里叶、频谱

blzgods

已于 2024-04-12 11:03:33 修改

阅读量1.6k

点赞数 42

文章标签：算法信号处理傅里叶分析

于 2024-03-29 17:22:46 首次发布

本文链接：https://blog.csdn.net/blzgod/article/details/137150403

版权

在这篇文章中将深入探讨窗口化，这可能是您偶尔会遇到的问题之一。

频谱分析复习

在我们深入了解细节之前，有必要快速回顾一下数字频谱分析仪的工作原理。回想一下，频谱分析仪对信号进行采样，然后对这些样本执行离散傅里叶变换（DFT）以生成频谱。

DFT确定信号中存在的频率。该算法基于无限长输入的思想，这意味着如果您的输入是正弦波的单个周期（以下称纯正弦波）：

sine

正弦波的单周期

DFT实际上会将其视为无休止重复的正弦波：

sines

正弦波的无限循环

那么我们会得到只包含信号频率处的一个尖峰的频谱：

fft-sine

正弦波的DFT

这种理想状态的信号恰好与采样时间完美对齐。但是如果出现像下面这样的信号呢？

partial

正弦波的部分周期

DFT 会反复将其视为从最大值直接跳到零的信号：

discontinuity

不连续的正弦波

这与纯正弦波是完全不同的信号。你可能会期望它的DFT与我们上面看到的单个尖峰不同，事实上它是：

rectangle-f

具有不连续性的正弦波的 DFT

峰值在整个频域中被涂抹掉。本底噪声上升，并可能掩盖信号中存在的其他频率。所以我们需要减少这种影响并获得更干净的频谱。

为什么选择窗口化？

不连续的信号就好比是建造一条横贯大陆的铁路，在最后一英里发现两端不会完全对齐。那么就需要稍微弯曲轨道才能对接。

在频谱分析领域，这种弯曲被称为窗口化。窗口函数会改变您的信号，即在开头和结尾将其逐渐减小到几乎为零：

blackman-harris-t

窗口函数

于是DFT将看到这个新信号的无限次重复：

kaiser-t

重复的窗口功能

这种不连续性已经消除，但要付出代价，你看到的不再是原来的纯正弦波。相反，您看到的是一个反复脉冲的正弦波，就像调幅信号一样。下图所示的新频谱反映了这种差异：

kaiser-f

窗口信号的DFT

对比可以发现：频谱的大部分区域没有像以前那样被明显地抹除。可以看到现在它峰值更宽了，不再又高又尖锐。

窗口函数，又称窗口化

即我们选择扭曲的窗口形状，它可以决定我们在频谱中看到的扭曲类型。不同的窗口功能可针对不同的目标进行优化：更精确的振幅、更低的本底噪声等。

常用窗口函数

凯撒（ Kaiser ）

上面的示例窗口称为 Kaiser 窗口。Kaiser窗是一种在数字信号处理中常用的窗函数，它可以通过一个参数来调整主瓣宽度和旁瓣衰减程度。它在振幅精度、旁瓣距离和旁瓣高度等各种相互冲突的目标之间取得了平衡。

公式如下：

n 是当前样本点的索引，N 是窗口的总长度，Io 是第一类修正贝塞尔函数（也称为零阶贝塞尔函数）， β（beta ）是一个非负实数参数，用于控制窗口的形状。

可以通过改变参数 beta 同时调整主瓣和旁瓣的宽度，这使得它在信号处理中非常灵活。当 beta 值较大时，主瓣会变宽，旁瓣的衰减也会更加显著；反之，当beta 值较小时，主瓣会变窄，旁瓣的衰减会减少。

在实际应用中，Kaiser窗通常用于需要同时考虑主频率成分的突出和旁频率成分的抑制时。选择此窗口通常会显示靠近本底噪声的信号，而其他窗口可能会遮挡这些信号。因此，许多频谱分析仪默认使用此窗口。

void kaiser_window(complex* a, int N, float beta) {
    for (int i = 0; i < N; i++) {
        float window_value = bessel_i0(beta * sqrt(1 - pow((2 * i / (N - 1) - 1), 2))) / bessel_i0(beta);
        a[i].re *= window_value;
    }
}

汉明(Hamming)和汉宁( Hanning)

这两个名称相似的 Hamming 和 Hanning窗口函数都具有正弦曲线。它们之间的区别在于，汉宁窗口在时域上的波形两端都接近零，从而消除了任何不连续性。汉明窗口在接近零时停止，信号仍将有轻微的不连续性。

在频域响应上，汉明窗能够更好地减少近处的旁瓣泄露，但对于稍远的旁瓣泄露比汉宁窗要严重一些。

hamming-t

Hamming（墨）和 Hanning（红）窗户

这两个窗口都导致了宽峰值，但都有很好的低侧瓣：

hamming-f

Hamming 和 Hanning 窗口信号的 DFT

在两者之间，汉明窗在消除就近的旁瓣方面做得更好，但在消除其余部分方面做得较差，适合于那些需要突出主频率成分并且能够容忍一定程度的旁瓣泄露的应用场合。由于它们的速度和足够好的噪声性能，这些窗口历来被用于语音通信。

汉宁窗的数学表达式为：

void hanning_window(complex* a, int N) {
	for (int i = 0; i < N; i++) {
		float window_value = 0.5 * (1 - cos(2 * pi * i / (N - 1)));
		a[i].re *= window_value;
	}
}

汉明窗的数学表达式为：

void hamming_window(complex* a, int N) {
    for (int i = 0; i < N; i++) {
        float window_value = (0.54 - 0.46 * cos((2.0 * pi * i) / (N - 1)));
        a[i].re *= window_value ;
    }
}