频谱泄露与窗函数

频谱泄露与窗函数

 今天，我想谈的是数字信号处理中的两个重要的问题，什么是频谱泄露，以及什么是窗函数，为什么使用窗函数。

---

什么是频谱泄露

 我想大部分人和我一样，在学习数字信号处理或者从事相关工作时，会遇到相关的问题，那么今天，就给大家分析频谱泄露这个问题。
 大家在其他地方也经常听见频谱泄露这个概念，那么频谱泄露究竟是什么呢？
 频谱泄露，来自于对于原信号序列的截断，大家可能会问：为什么有时候频谱没有泄露，有时候频谱又泄露了？ 今天我们就来谈谈这个问题，是真的频谱没有泄露吗？
 我们大家知道对于理论分析来说，序列都是无限长的，而对于实际的离散时间信号，我们都是有限长的，那么想想，通过理论分析我们得出的频谱，和我们利用FFT计算得到的频谱区别在哪呢？区别就在于，我们在不知不觉中使用了矩形窗对原无限长序列进行了截断，其实按道理来说，频谱已经不再是我们理想的信号了，而是被矩形窗截断之后的信号。我们都知道，矩形窗的时域和频域对应关系是这样的：

matlab代码:
Fs=1000; %采样频率1000hz
w=boxcar(100);%生成长度为100的矩形窗
t=0:1/Fs:1-1/Fs;%假设信号持续期为1s，矩形窗持续0.1s
x=[w',zeros(1,length(t)-100)];%生成信号
f=0:Fs/N:(Fs-Fs/N);%频率刻度
f=f-Fs/2;%频率刻度
Y=abs(fft(x));
Y=fftshift(Y);
plot(f,Y)%在这里没有考虑幅度谱修正的问题

一、频谱泄露是什么？

 首先我在这里想提示大家的是，matlab中的FFT是DFT的快速计算，正如大家在这里看到的矩形窗的时域和频域的对应这样，泄露都是存在的。对于一个单频信号来说，在频域表现为冲击，而这样的矩形窗，与无限长信号相乘，相当于为频域做卷积，单频信号被扩散成了这样类似Sa函数的表示形式。那么，我们怎么才能避免频谱泄露呢？
 在这里，我首先想解释这样一个问题为什么泄露一直存在，但是有时看不到，有时候看得到？ 为什么我们看不到的原因，是因为在栅栏效应中，我们在频率域取样点，除了在0频率点处取到1的样值，其余地方，我们都取到的是0的样值，所以在我们看来，“没有泄露”。而一旦我们非周期采样，我们会在Sa函数的非零点处取得样值，从而导致泄露。上面的原理我引用宋知用《Matlab数字信号处理85个案例精讲-从入门当进阶》中的一幅图

二、窗函数的目的

 引入窗函数的目的，就是为了减小由于信号频谱泄露对临近频率的影响。下面我给出窗函数的类型及相关参数。

窗函数	旁瓣峰值dB	近似过渡带宽	精确过渡带宽	阻带最小衰减/dB	matlab函数
矩形窗	-13	$\frac{4\pi }{N}$	$\frac{1.8\pi }{N}$	21	boxcar(N)
三角形窗	-25	$\frac{8\pi }{N}$	$\frac{6.1\pi }{N}$	25	triang(N)
汉宁窗	-31	$\frac{8\pi }{N}$	$\frac{6.2\pi }{N}$	44	hanning(N)
哈明窗	-41	$\frac{8\pi }{N}$	$\frac{6.6\pi }{N}$	53	hamming（N）
布莱克曼窗	-57	$\frac{12\pi }{N}$	$\frac{11\pi }{N}$	74	blackman(N)
凯赛窗	-57	—	$\frac{10\pi }{N}$	80	blackman(N)