利用FFT成功实现拓扑识别（五）--关于频谱泄露

cyjbj

已于 2022-08-19 13:22:58 修改

阅读量2.1k

点赞数 3

分类专栏： mathlab 傅里叶变换文章标签：傅里叶分析嵌入式硬件 c语言

于 2022-08-18 17:51:08 首次发布

本文链接：https://blog.csdn.net/cyjbj/article/details/126409551

版权

11 篇文章 6 订阅

订阅专栏

10 篇文章 1 订阅

订阅专栏

什么是频谱泄露

在FFT运算中，为了频率分辨率和提高运算效率，将FFT点数补偿为2的整数幂次，以方便进行蝶形运算。这样的补零操作也会带来一定的性能损失，因为这种补零操作，相当于对数据加了矩形窗，从而引起了频谱泄露。

举个电力系统的例子，在电网的谐波分析中，想要测量电网实时的电压电流信号，大多情况下，受限于系统存储空间、运算速度等因素限制，都需要截取一段ad采样数据进行观测，然后进一步分析。而做FFT运算时，有一个前提，即假设信号在测量间隔外具有“完美的”周期重复特性，也即认为该信号连续，测量的信号恰好为其中一个周期或多个周期。但是，实际情况是不可能的，如下图：

在这里插入图片描述
受到电网频差和测量定时精度的限制，就会出现不连续性，在频域中体现出来即“频谱泄漏”。

频谱泄露现象上表现出来的特点是频谱内正确频点的幅值会有衰减，但在正确频点周围会出现杂散频点，以前文的复合信号：
S=Adc+A1cos(2piF1t+piP1/180)+A2cos(2piF2t+piP2/180);
为例，本该出现在50hz和833Hz处的单频点信号，表现在图上就是目标中心频点的两侧出现了上升沿和下降沿。如下图

在这里插入图片描述将某个频点位置放大显示后，现象就更明显

在这里插入图片描述

我们分析的信号，如果是只含特定频率或其某个整数次谐波的话，用FFT分析信号的频谱和相位是非常准确的，我们可以准确的分析出信号的频谱和相位，而通常的现场环境下，我们需要分析的信号含有不确定的谐波，此时用FFT分析，必然会有频谱泄露！那么怎么样才能减少频谱泄露呢？有两种方法：

增加采样长度，提高频率分辨率（见前文分析），这样就可以分析出更多频率的信号，可以减少频谱泄露，但是增加采样长度会对缓冲区大小、处理速度和数据处理的实时性造成很大的影响，时间应用中，往往要在系统硬件成本和采样长度之间做成权衡，得出最优的系统设计方案。

为减少频谱能量泄露，可采用不同的截取函数对信号进行截断，截断函数称为窗函数。泄露与窗函数频谱的两侧旁瓣有关，如果两侧旁瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱，为此，在时间域中可采用不同的窗函数来截断信号，应用在谐波测量中的窗函数很多，不同的窗函数对谐波测量的影响各不相同，常用的窗函数如hanning窗、hamming窗、blackman窗等，旁瓣衰减有了明显的改进，但是主瓣却宽了很多，大概是矩形窗主瓣的二倍，blackman窗的主瓣还要宽，这就造成了信号频谱的频率识别率很低！如hanning窗，

在这里插入图片描述窗的选择取决于分析的目标和被分析信号的类型。