时间分辨率、频率分辨率

时间分辨率

时域图横坐标上的最小时间间隔。其大小代表着对模拟信号采样后得到的离散信号中点的密集程度。
数学公式：
$$T_s=\frac{1}{F_s}$$
数值越低，时间分辨率越高。
(图片来源https://zhuanlan.zhihu.com/p/130387384)

点越密集，信号的时间分辨率越高。
所以，提高采样频率可以提高时域内的时间分辨率。

频率分辨率

频谱图横坐标上的最小频率间隔。
数学表达式：
$$df=\frac{Fs}{N}=\frac{1}{N{T}_s}=\frac{1}{T}$$

这时有两种情况。
1，分析一段完整的模拟信号。T确定，那频率分辨率就确定。这时如果增加N，必然减少Fs，那时间分辨率就低。
2，分析大量离散信号中的一部分。这时采样频率已知，那时间分辨率就确定。要想增加频率分辨率，就增加N。信号长度越长，频率分辨率越高。

另外：
做DFT时，常常在有效数据后面补零达到对频谱做某种改善的目的，我们常常认为这是增加了N，从而使频率分辨率变好了，其实不是这样的，补零并没有增加有效数据的长度，仍然为T。但是补零其实有其他好处：1.使数据N为2的整次幂，便于使用FFT。2.补零后，其实是对DFT结果做了插值，克服“栅栏”效应，使谱外观平滑化；“栅栏”效应形象理解为，就像站在栅栏旁边透过栅栏看外面风景，肯定有被栅栏挡住比较多风景，此时就可能漏掉较大频域分量，但是补零以后，相当于你站远了，改变了栅栏密度，风景就看的越来越清楚了。3.由于对时域数据的截短必然造成频谱泄露，因此在频谱中可能出现难以辨认的谱峰，补零在一定程度上能消除这种现象。

增加频率分辨率的方法：
信号的时间域分辨率和频率域分辨率

频率分辨率高低的直观表现

(图片来源https://zhuanlan.zhihu.com/p/130387384)

如图：
原信号y=0.5sin(2pif1/fsn)+0.5sin(2pif2/fsn)。
图2、图3都是FFT后的频谱图，不同的是，图2频率分辨率较低，图3分辨率高。这张图可以很好的表明频率分辨率高低对信号处理的重要性。同时也说明处理离散信号时，N大小的选择尤为重要。

STFT中的时间分辨率、频率分辨率

对信号进行短时傅里叶变换，窗的种类、窗的宽度和窗的滑移宽度都是一个问题。
窗太窄，窗内的信号太短，会导致频率分析不够精准，频率分辨率差。
窗太宽，时域上又不够精细，时间分辨率低。