FFT频谱泄露和窗函数

已于 2024-02-16 16:59:55 修改
阅读量416 收藏 8
点赞数 8
文章标签： 学习 笔记
于 2024-02-16 16:45:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44656374/article/details/136130075
版权

FFT在满足非相干采样fin/fs=M/N，M和N互质时不存在频谱泄露。

但是实际的输入信号我们并不知道它精确的频率/周期，只能估算大概的值，所以在采样时一定会有截断(DFT)，截断的部分隐含周期性，在边界不连续，产生高频分量，不再满足奈奎斯特采样定理，导致频谱混叠/泄露。

解决方法是添加窗函数，使截断的信号在首尾均接近于0，形成周期采样。

不同窗函数具有不同的主瓣和旁瓣，主瓣越宽，导致信号分散点越多，降低频率分辨率；旁瓣越高，导致频谱越容易泄露。一般可选择hann窗。

参考内容：

为什么FFT之前需要加窗_哔哩哔哩_bilibili

逐次逼近模/数转换器(SAR ADC)设计与仿真 何乐年

量子日记
关注
  • 8
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【STM32学习】——ADC模数转换器&外挂式/STM32的逐次逼近型ADC&输入通道/转换模式/触发控制/数据对齐/转换时间/校准&AD单/多通道实操
weixin_51658186的博客
03-24 2611
本次学习有两个实操程序，第一个程序为AD单通道，第二个为AD多通道STM32的ADC为12位，AD最大值是4095，对应最大电压3.3V，可对0-3.3v之间的任意电压量化，所以ADC相当于一个电压表。而对于GPIO而言只能读取引脚的高低电平两个值。注：开关控制对应ADC_Cmd库函数，用于给ADC上电ADC（Analog-Digital Converter）模拟-数字转换器，ADC可以将引脚上连续变化的模拟电压转换为内存中存储的数字变量，建立模拟电路到数字电路的桥梁。
经矩形窗截断的信号频谱泄露现象研究.m
12-10
上述两信号中，中心频率f0=30，采样频率fs=128，唯一差别仅是FFT的长。在N=128的谱图上只在30Hz处有一条谱线，其他频点的幅值都为0；...即出现了当N=128时FFT后没有泄漏，而当N=100时FFT发生了泄漏。
基于MATLAB的电力谐波分析，在有频谱泄露、栅栏效应的前提下计算基波和谐波的频率、幅度、相位
10-30
基于MATLAB FFT的电力谐波分析，输入时域信号采样值，在有频谱泄露、栅栏效应的前提下计算基波和谐波的频率、幅度、相位。根据论文《基于加汉宁窗的FFT高精度谐波检测改进算法》实现。函数[f_HA,A_HA,phi_HA]=harmonic_analysis(x,fs,N_HA)实现频谱分析的功能，主函数test_FFT产生仿真采样信号并调用频谱分析函数，计算电力质量指标。代码中有详细的注释。
MATLAB中使用FFT做频谱分析时频率分辨率问题-频率分辨率.rar
08-13
MATLAB中使用FFT做频谱分析时频率分辨率问题-频率分辨率.rar MATLAB中使用FFT做频谱分析时频率分辨率问题 最近做FFT时，使用的采样频率和信号长度的取舍一直没有搞清楚，后来在论坛上发了一个贴子《总结一下使用FFT和维纳-辛钦定理求解PSD问题》（讨论见https://www.ilovematlab.cn/thread-27150-1-1.html，特别感谢会员songzy41，他的问题给了我很大启示），跟帖中给了我不少启示，并且让我对“频率分辨率”这个概念有了更深入的理解。再次一并感谢论坛的高手们。 频率分辨率，顾名思义，就是将信号中两个靠的很近的频谱分开的能力。 信号x长度为Ts，通过傅氏变换后得到X，其频率分辨率为Δf=1/T（Hz），若经过采样后，假设采样频率为fs=1/Ts，而进行频谱分析时要将这个无穷长的序列使用窗函数截断处理，假设使用矩形窗，我们知道，矩形窗的频谱为sinc函数，主瓣宽度可以定义为2*pi/M，M为窗宽，那么，时域相乘相当于频域卷积，频域内，这一窗函数能够分辨出的最近频率肯定不可能小于2*pi/M了，也就是如果数据长度不能满足2*pi/M<|w2-w1|（w2,w1为两个靠的很近的频率），那么在频谱分析时，频谱上将不能分辨出这两个谱，由于w2-w1=2*pi/fs=2*pi*Δf/fs也就是2*pi/M<2*piΔf/fs，得到Δf的限制为fs/M，这就是窗函数宽度的最小选择，就是说，根据Shannon采样定理确定了采样频率后，要根据靠的最近的谱峰来确定最小的采样长度，这样，所作出来的频谱才能分辨出那两个谱峰，也就是拥有了相应的频率分辨率。 几个例子： 考虑双正弦信号：x = sin sin;根据Shannon采样定理，采样频率要大于截止频率的两倍，这里选采样频率为80，那么，我们可以看到，Δf为0.2Hz，那么，最小的数据长度为0.2/80=400，但是对正弦信号的频谱分析经验告诉我们，在截断时截断时的数据要包含整周期，并且后面不宜补零以避免频谱泄露（这一点见胡广书《数字信号处理导论》，清华大学出版社），那么，我们要选择至少980个点，才能保含到一个整周期，另外，FFT的经验告诉我们作分析时最好选择2的整数次幂，我们选择靠的最近的1024点。分析结束。 [CODE] Fs = 80; n = 0:1/Fs:1023*1/Fs; x = sin sin; N = length; figure; X = fftshift); plot*Fs/N,abs*2/N); grid on; axis; 这是按照我们的分析进行的编程和图形 zheng.jpg 可以看出这两个谱峰很好的被分辨开来，9.8Hz不在谱线上，所以幅值不为1，以下是一些对比： [CODE] Fs = 80; n = 0:1/Fs:1023*1/Fs; x = sin sin; N = length; X = fftshift); figure; subplot plot*Fs/N,abs*2/N); grid on; axis; title; n = 0:1/Fs:979*1/Fs; x = sin sin; N = length; X = fftshift); subplot plot*Fs/N,abs*2/N); grid on; axis; title; n = 0:1/Fs:399*1/Fs; x = sin sin; N = length; X = fftshift); figure; subplot plot*Fs/N,abs*2/N); grid on; axis; title; Fs = 20; n = 0:1/Fs:1024*1/Fs; x = sin sin; N = length; X = fftshift); subplot plot*Fs/N,abs*2/N); grid on; axis; title; 结果如下： 1024.jpg 400.jpg 这是我在做FFT以及论坛中的问题时所得到的一点启发，不当之处还请大家指正。OO~ 频率分辨率.rar 为了方便大家，我将doc版报告和m文件一起上传，和帖子内容一样。OO~
频谱泄露示例
05-01
信号处理频谱泄露仿真示意
FFT应用学习之频率泄露
想想叫啥名的博客
12-30 1721
选取信号的时间长度是信号周期的整数倍，则不会出现频率泄露；现实世界中，在做FFT分析时，很难保证截断的信号为周期信号，因此，泄漏不可避免。窗函数可以改善频率泄露，但是不能消除。
利用FFT成功实现拓扑识别（五）--关于频谱泄露
cyjbj的博客
08-18 1986
分析了FFT变换中频谱泄露的原因和消除影响的方法
频谱泄露、栅栏效应、补零实验
weixin_42099090的博客
12-17 6724
理想情况 假设一个信号由两个频率不一样的余弦波组成cos(2πft)=cos(2πf1t)+cos(2πf2t)cos(2\pi ft)=cos(2\pi f_1t)+cos(2\pi f_2t)cos(2πft)=cos(2πf1​t)+cos(2πf2​t)组成，其中f1=50Hz,f2=65Hzf_1=50Hz,f_2=65Hzf1​=50Hz,f2​=65Hz我们以采样率fs=500Hzf_s=500Hzfs​=500Hz对该信号进行采集，采样时间长度T=0.4sT=0.4sT=0.4s，对该信号做
什么是频谱泄漏？如何降低频谱泄漏？--频谱泄漏与窗函数
STN6554的博客
11-06 732
简单介绍一下什么是频谱泄漏、为什么会出现频谱泄漏、如何最小化频谱泄漏以及窗函数对目标信号的负面影响。
频谱泄漏的基础
扬帆起航
03-15 1189
频谱泄漏的基础
FFT中频谱泄露的两种理解
大白的博客
04-17 1万+
FFT中频谱泄露的两种解释     FFT运算是对有限字长数据的傅里叶分析，其中会存在频谱泄露的现象，本来功率集中的频谱会出现能量外泄，污染其他频带的信号，造成一定的性能损失，甚至整体功能失效，所以有必要了解频谱泄露产生的原因以及如何控制频谱的泄露。     一、非周期截断引起的频谱泄露     FFT是DFT的一种快速计算方法，而由信号与系统理论可知，有限长信号的DFT，是假设该信号为一个周期...
谐波检测中频谱泄漏问题的研究
07-16
研究了基于FFT的电力系统谐波检测中的频谱泄漏现象,分析了产生频谱泄漏的原因,提出了利用窗函数来解决频谱泄漏现象的方法。仿真结果表明,汉宁窗可以很好地减小频谱泄漏,满足谐波检测的精度要求。
应用三次样条函数快速计算插值FFT算法
01-14
加汉宁窗插值快速傅里叶变换(FFT)算法可以克服频谱泄漏的影响,消除用异步采样值测量电量时产生的误差,但其计算量较大,实时性较差。为了减小插值FFT算法的计算量,采用三次样条函数逼近加汉宁窗插值FFT算法函数,提出了...
数字信号处理 + FFT + 相关原理总结与技术说明
最新发布
04-02
1、频谱泄露与窗函数（产生原因及影响） 2、MATLAB 中的 FFT 函数（pwelch 函数与 fftshift 函数使用规范） 3、栅栏效应、补零与分辨率（产生原理及处理方法） 4、插值（产生原理及处理方法） 5、窗函数总结（12种...
频谱能量泄漏
weixin_30432007的博客
12-20 1498
转载自https://mp.weixin.qq.com/s?__biz=MzI5NTM0MTQwNA==&mid=2247484164&idx=1&sn=fdaf2164306a9ca4166c2aa8713cacc5&scene=21#wechat_redirect 在做信号处理时，经常涉及到“泄漏”。那泄漏是什么，是什么原因造成了泄漏呢？在这将告诉您答案。 ...
MAX1167和MAX1168数据采集芯片
兽神
11-05 602
MAX1167/MAX1168为低功耗、多通道、16位逐次逼近型模数转换器(ADC)，具有集成的+4.096V基准电压、1个基准电压缓冲器、一个内部振荡器和自动关断等特点，并带有一个高速SPI™/QSPI™/兼容MICROWIRE™的接口。MAX1167/MAX1168采用单+5V模拟电源工作，且具有独立的数字电源，允许直接与+2.7V至+5.5V的数字逻辑接口。
DFT泄漏 频谱泄漏 (FFT)
《运放秘籍》系列视频原创作者、畅销书《硬件设计指南 从器件认知到手机基带设计》原创作者
12-04 5418
DFT泄漏(频谱泄漏) 作者：冰三点水 本贴简单介绍DFT泄漏的原理以及处理方法，转帖请尊重原创 http://blog.csdn.net/u013608300/article/details/78704762。 DFT(Discrete Fourier Transform，离散傅立叶变换)中涉及到一个概念是DFT泄漏，DFT泄漏是信号的能量在所有DFT输出径中都有出现的现象，其中的关键词是...
频谱泄漏（spectral leakage）
qq_41716239的博客
03-27 4372
专业解释： … . 信号为无限长序列，运算需要截取其中一部分（截断），于是需要加窗函数，加了窗函数相当于时域相乘，于是相当于频域卷积，于是频谱中除了本来该有的主瓣之外，还会出现本不该有的旁瓣，这就是频谱泄露！为了减弱频谱泄露，可以采用加权的窗函数，加权的窗函数包括平顶窗、汉宁窗、高斯窗等等。而未加权的矩形窗泄露最为严重。（起初你并不能看懂） 通俗解释： （1）无限长序列 ①非周期性信号 . . ...
频率泄露（截断效应）
热门推荐
obession的博客
10-14 2万+
这个世界上有很多概念，本来非常简单，可是，被一些学者一解释，就变得复杂了。 　　为了明白一个很容易明白的概念，你需要先明白许多依据你的知识结构根本没法明白的概念，于是，你只能望而却步！ 　　频谱泄露就是这样的一个概念。 一什么是频谱泄露？ 　　频谱泄露与傅里叶变换尤其是离散时间傅里叶变换有关，对于频谱泄露，通常的解释是这样的： 　　信号为无限长序列，运算需要截取其中一部分（截断）
stm32fft频谱泄露和加窗
07-28
在进行FFT分析时，频谱泄露是指信号的频谱不仅在其真实频率处有离散谱，而是在以该频率为中心的频带范围内都有谱线出现。这种现象可以理解为信号的能量在频域上泄漏到其他频率上。\[2\]频谱泄露的出现是由于在利用DFT求频谱时对信号进行了截短，导致频谱的精确度下降。为了降低频谱泄漏，可以采用加窗的方法。加窗是在信号进行FFT之前，对信号进行加权处理，以减小频谱泄漏的影响。常用的窗函数有Hamming、Blackman、Gaussian等。这些窗函数主要是为了降低旁瓣的幅度，从而提高频谱的还原度。\[3\]然而，需要注意的是，加窗也会引入一定的频谱泄漏，因此在选择窗函数时需要权衡频谱泄漏和频谱还原度的关系。在使用stm32fft进行频谱分析时，可以根据具体需求选择合适的窗函数来处理信号，以达到较好的频谱分析效果。 #### 引用[.reference_title] - *1* [[DSP学习笔记]基于TMS320F28335的FFT及加窗函数实现](https://blog.csdn.net/luoqicou/article/details/128737388)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【STM32F429的DSP教程】第26章 FFT变换结果的物理意义](https://blog.csdn.net/Simon223/article/details/106397533)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值