matlab 频率分辨率,功率谱、频率分辨率、频谱泄漏与窗函数

功率谱、频率分辨率、频谱泄漏与窗函数

2008-06-01 23:49

功率谱、频率分辨率、频谱泄漏与窗函数

在分析和测定所采集的数据记录时，快速傅立叶变换(FFT)和功率谱是非常有用的工具。借助这些

工具能够有效地采集时域信号、测定其频谱成分、并对结果进行显示。

功率谱图(参考抽样程序)在频率轴(x 轴)上的频率范围和分辨率取决于采样速率和数据记录的长

度(采样点数)。功率谱图上的频率点数或谱线数为N/2 ，N 是信号采样记录中包含的点数。所有的频

点间隔为fSAMPLE/N ，通常称之为频率分辨率或FFT 分辨率： fSAMPLE/N = 1 / (N · (tSAMPLE)

频谱泄漏和窗函数

FFT 分析中常常要用到窗函数。在基于FFT 的测量中正确选择窗函数非常关键。频谱泄漏是由FFT 算

法中的假设造成的，FFT 算法中假设离散时间序列可以精确地在整个时域进行周期延拓，所有包含该离

散时间序列的信号为周期函数，周期与时间序列的长度相关。然而如果时间序列的长度不是信号周期的

整数倍(fIN/fSAMPLE ( NWINDOW/NRECORD) ，假设条件即不成立，就会发生频谱泄漏。绝大多数情况下所处理的是一个未知的平稳信号，不能保证采样点数为周期的整数倍。频谱泄漏使给定频率分量的能量泄

漏到相邻的频率点，从而在测量结果中引入误差。选择合适的窗函数可以减小频谱泄漏效应。

为进一步了解窗函数对频谱的影响，我们考察一下窗函数的频率特性。输入数据通过一个窗函数相当

于原始数据的频谱与窗函数频谱的卷积。窗函数的频谱由一个主瓣和几个旁瓣组成，主瓣以时域信号的

每个频率成份为中心。旁瓣在主瓣的两侧以一定的间隔衰减至零。FFT 产生离散