信号处理中用于减少频谱泄漏的常见窗函数（矩形窗、汉宁窗、汉明窗、布莱克曼窗）

四种常见窗函数（矩形窗、汉宁窗、汉明窗、布莱克曼窗）的作用、公式及C++代码实现，适用于信号处理场景（如FFT、滤波器设计等）。

1. 矩形窗（Rectangular Window）

作用：

• 最简单的窗函数，无任何加权，直接截断信号。

• 优点：主瓣宽度最窄（频率分辨率最高）。

• 缺点：旁瓣衰减差（-13 dB），频谱泄漏严重。

公式：

C++代码：

#include <vector>

std::vector<double> rectangularWindow(int N) {
    return std::vector<double>(N, 1.0); // 所有系数为1
}

2. 汉宁窗（Hanning Window）

作用：

• 通过余弦加权减少频谱泄漏，旁瓣衰减-31.5 dB。

• 平衡频率分辨率和旁瓣抑制，适用于大多数频谱分析场景。

公式：

C++代码：

#include <vector>
#include <cmath>

std::vector<double> hanningWindow(int N) {
    std::vector<double> window(N);
    for (int n = 0; n < N; ++n) {
        window[n] = 0.5 * (1 - cos(2 * M_PI * n / (N - 1)));
    }
    return window;
}

3. 汉明窗（Hamming Window）

作用：

• 优化汉宁窗的旁瓣衰减（-42 dB），但主瓣宽度相同。

• 适用于需要更强旁瓣抑制的场景（如滤波器设计）。

公式：

C++代码：

std::vector<double> hammingWindow(int N) {
    std::vector<double> window(N);
    for (int n = 0; n < N; ++n) {
        window[n] = 0.54 - 0.46 * cos(2 * M_PI * n / (N - 1));
    }
    return window;
}

4. 布莱克曼窗（Blackman Window）

作用：

• 进一步抑制旁瓣（-58 dB），但主瓣最宽（频率分辨率最低）。

• 适用于对频谱泄漏极度敏感的场景。

公式：

C++代码：

std::vector<double> blackmanWindow(int N) {
    std::vector<double> window(N);
    for (int n = 0; n < N; ++n) {
        window[n] = 0.42 - 0.5 * cos(2 * M_PI * n / (N - 1)) 
                   + 0.08 * cos(4 * M_PI * n / (N - 1));
    }
    return window;
}

5. 窗函数特性对比表

窗函数	主瓣宽度	旁瓣衰减（dB）	适用场景
矩形窗	1×（最窄）	-13	高频率分辨率，可接受泄漏
汉宁窗	2×	-31.5	通用频谱分析
汉明窗	2×	-42	强旁瓣抑制（如通信系统）
布莱克曼窗	6×（最宽）	-58	极低泄漏需求（如精密测量）

6. 使用示例（C++）

cpp

#include <iostream>
#include "windows.h" // 假设上述代码保存在此头文件

int main() {
    int N = 64;
    auto hanning = hanningWindow(N);
    
    // 打印前5个系数
    for (int i = 0; i < 5; ++i) {
        std::cout << "Hanning[" << i << "] = " << hanning[i] << std::endl;
    }
    
    return 0;
}

注意事项：

1. 代码中 M_PI 需包含 <cmath> 头文件（或自定义 #define M_PI 3.14159265358979323846）。

2. 窗函数系数通常对称，实际应用中可能无需计算全部点（利用对称性优化）。