频谱信号处理之窗函数

窗函数

（字面理解：就是从窗子里去看一个函数，这个窗子本身叫窗函数。）
数字信号的主要处理方式是傅里叶变换，而FFT是截取一段信号，对其进行周期延拓，然后进行处理，在进行截断时，会出现在截断点的信号畸变，出现一些高频分量，这些分量可能远超宁奎斯特频率，然后反应在较低频的频率谱上，造成能量的泄露。

频谱泄露的最根本原因还在于信号的非周期截断，可以从时域和频域两方面来理解：
(1) 从时域上，傅里叶变换的潜在假设为待处理的有限信号为周期性无限信号的周期主体，即假设原始信号为当前有限信号的无限个周期延拓。因此，举个简单例子。我们截取50HZ 正弦信号的一个周期，其无限延拓就是最原始的50HZ正弦信号，因此一个周期的有限信号即可代表其原始的无限信号；若截取的有限信号不是50HZ信号的整数倍周期，可知该有限信号的无限延拓不可完全的复原原始的50HZ无限信号，其首尾连接处出现断续，从而引入高次谐波分量，产生频谱泄露。
(2)从频域上，假设信号周期T，频率F， 采样周期Ts，采样频率Fs， 采样点数N，则整数周期截断的物理表达为NTs = mT <=> N1/Fs=m1/F <=> F=mFs/N. 在频域上，Fs对应2π，且频域分辨率为2π/N。 因此F=mFs/N意义为信号频率在FFT后的第m根谱线上。反之，当非周期截断时，则无法满足F=mFs/N，信号的频率成分分散k2π/N的频率点上
————————————————
版权声明：本文为CSDN博主「audio_mqiu」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qiumingjian/article/details/50435949

加窗实质是用一个所谓的窗函数与原始的时域信号做乘积的过程，使得相乘后的信号似乎更好的满足傅里叶变换的周期性要求，可通过加窗来尽可能减少在非整数个周期上进行FFT产生的误差。 数字化仪采集到的有限序列的边界会呈现不连续性。加窗可减少这些不连续部分的幅值。 加窗包括将时间记录乘以有限长度的窗，窗的幅值逐渐变小，在边沿处为0。 加窗的结果是尽可能呈现出一个连续的波形，减少剧烈的变化。 这种方法也叫应用一个加窗。

加窗函数的原则

加窗函数时，应使窗函数频谱的主瓣宽度应尽量窄，以获得高的频率分辨能力
旁瓣衰减应尽量大，以减少频谱拖尾。
但通常都不能同时满足这两个要求，各种窗的差别主要在集中于主瓣的能量和分散在所有旁瓣的能量之比。窗函数的选择取决于分析的目标和被分析信号的类型，一般来说，有效噪声频带越宽，频率分辨能力越差，越难于分清有相同幅值的邻近频率。选择性的提高与旁瓣的衰减率有关，通常有效噪声带宽窄的窗，其旁瓣的衰减率较低，因此窗的选择在二者中进行折中处理。

窗函数的选择一般原则如下：

1. 如果截断的信号仍为周期信号，则不存在泄漏，无需加窗，相当于加矩形窗；

2. 如果信号是随机信号或者未知信号，或者有多个频率分量，测试关注的是频率点而非能量大小，建议选择汉宁窗；

3. 对于校准目的，则要求幅值精确，平顶窗是个不错的选择；

4. 如果同时要求幅值精度和频率精度，可选择凯塞窗；

5. 如果检测两个频率相近、幅值不同的信号，建议用布莱克曼窗；

6. 锤击法试验，力信号加力窗，响应可加指数窗

如果您的信号具有强干扰频率分量，与感兴趣分量相距较远，那么就应选择具有高旁瓣下降率的平滑窗。如果您的信号具有强干扰频率分量，与感兴趣分量相距较近，那么就应选择具有低最大旁瓣的窗。如果感兴趣频率包含两种或多种很距离很近的信号，这时频谱分辨率就非常重要。 在这种情况下，最好选用具有窄主瓣的平滑窗。如果一个频率成分的幅值精度比信号成分在某个频率区间内精确位置更重要，选择宽主瓣的窗。如信号频谱较平或频率成分较宽，使用统一窗，或不使用窗。总之，Hanning窗适用于95%的情况。 它不仅具有较好的频率分辨率，还可减少频谱泄露。 如果您不知道信号特征但是又想使用平滑窗，那么就选择Hanning窗。

以上内容取自：

https://www.cnblogs.com/lyh523329053/p/9499450.html