频谱泄漏好像影响不是那么大？

1、满足下面三个条件，不会产生泄漏

. 采样频率是信号频率的整数倍
. 截取时间包含了各信号分量周期的整数倍
. 不补零

以信号

为例，

这个信号当中包含频率为100Hz，50Hz和25Hz的三个分量，相应的周期为0.01s，0.02s和0.04s。

使用采样频率

采样时间0.16s

上述设置满足了不产生频谱泄漏的三个条件。

Matlab代码如下：

clf clc clear N=64; fs=400 T=0.16 N_sample=T*fs ts=0:1/fs:(T-1/fs) x=cos(2*pi*100*ts)+sin(2*pi*50*ts)+cos(2*pi*25*ts) n=0:1/fs:((N_sample-1)/fs) scatter(n,x,'k');hold on; plot(n,x,'r'); clf y1_dft=dft1(x,N) n=0:fs/N:(fs-fs/N); stem(n,abs(y1_dft));%do not use plot here

时域波形如下：

截取时间长度为信号的3个周期

DFT结果如下：

可以看出，没有产生频谱泄漏。

2、不满足这三个条件，将产生频谱泄漏

2.1 采样时间0.18秒，25Hz的分量采样4.5个周期。

clf clc clear fs=400 T=0.18 N_sample=T*fs N=N_sample ts=0:1/fs:(T-1/fs) x=cos(2*pi*100*ts)+sin(2*pi*50*ts)+cos(2*pi*25*ts) n=0:1/fs:((N_sample-1)/fs) scatter(n,x,'k');hold on; plot(n,x,'r'); clf y1_dft=dft1(x,N) n=0:fs/N:(fs-fs/N); stem(n,abs(y1_dft));%do not use plot here

由于25Hz的信号不是整周期采样，频谱泄漏很明显。

2.2 采样时间0.16秒，补充192个零采样点。

Matlab代码：

clf clc clear N=256; Ts_mul_32=2 y1=ones(1,N/8*Ts_mul_32) fs=400 T=0.08*Ts_mul_32 N_sample=T*fs ts=0:1/fs:(T-1/fs) x=cos(2*pi*100*ts)+sin(2*pi*50*ts)+cos(2*pi*25*ts) n=0:1/fs:((N_sample-1)/fs) add_zero=zeros(1,N*(1-Ts_mul_32/8)); y1_rec      =[x.*y1 add_zero]; n=0:1/fs:((N-1)/fs) scatter(n,y1_rec,'k');hold on plot(n,y1_rec,'g'); hold on; clf y1_dft=dft1(y1_rec,N) n=0:fs/N:(fs-fs/N); stem(n,abs(y1_dft))

时序数据图形如下：

DFT结果如下：

补零之后，产生了明显的频谱泄露。

2.3 采样频率不是信号分量的整数倍。

采样频率修改为410，DFT结果如下：

3. 频谱泄漏对IDFT结果的影响

产生频谱泄漏后，DFT结果再进行IDFT，还会得到原信号吗？

3.1 对不产生频谱泄漏的DFT进行反变换

对第1章的产生的信号进行DFT和IDFT。

Matlab代码

clf clc clear fs=410 T=0.16 N_sample=T*fs N=N_sample; ts=0:1/fs:(T-1/fs) x=cos(2*pi*100*ts)+sin(2*pi*50*ts)+cos(2*pi*25*ts) n=0:1/fs:((N_sample-1)/fs) y1_dft=dft1(x,N) n=0:fs/N:(fs-fs/N); stem(n,abs(y1_dft));%do not use plot here y1_idft=idft(y1_dft,N)/N n=0:1/fs:((N_sample-1)/fs) subplot(211) scatter(n,x,'k');hold on; plot(n,x,'r'); subplot(212) scatter(n,y1_idft,'k');hold on; plot(n,y1_idft,'r');

时域数据波形如下，上图为原始数据采样，下图为数据经过DFT和IDFT后结果，可以看出IDFT结果与原数据结果完成相同。

3.2 对产生频谱泄漏的DFT进行反变换

对2.2节产生的信号进行DFT和IDFT操作。

clf clc clear N=256; Ts_mul_32=2 y1=ones(1,N/8*Ts_mul_32) fs=400 T=0.08*Ts_mul_32 N_sample=T*fs ts=0:1/fs:(T-1/fs) x=cos(2*pi*100*ts)+sin(2*pi*50*ts)+cos(2*pi*25*ts) n=0:1/fs:((N_sample-1)/fs) add_zero=zeros(1,N*(1-Ts_mul_32/8)); y1_rec      =[x.*y1 add_zero]; n=0:1/fs:((N-1)/fs) scatter(n,y1_rec,'k');hold on plot(n,y1_rec,'g'); hold on; clf y1_dft=dft1(y1_rec,N) n=0:fs/N:(fs-fs/N); stem(n,abs(y1_dft)) clf y1_idft=idft(y1_dft,N)/N n=0:1/fs:((N-1)/fs) scatter(n,y1_rec,'k');hold on; scatter(n,y1_idft); clf err=y1_rec-y1_idft plot(n,abs(err))

将IDFT的结果和原始数据做差，误差很小。尽管有频谱泄漏，原始信号还是很好地恢复了。

频谱泄漏的影响对IDFT不是那么大（可能是信号成分相对小，信号比较简单），但是对频域信号的分析影响比较大。

以2.2节的第2个图为例，旁瓣的幅度已经比较大。如果信号中包含的有用信号分量也落在这个范围里面，有用信号的频谱将受到较大的干扰。

4. 时域加窗处理

没有不加窗的操作，自然的截取数据相当于加矩形窗。

加矩形窗后，数据块之间就会出现不连续。对这样的数据块进行DFT分析后，引入了频谱泄漏。为了避免不连续带来的频谱泄漏，就使用窗口函数来解决这个问题。窗口函数的共同特点是，确保信号在块的开头和结尾处为零或者几乎为零。加了窗之后，数据有了0的过渡，显得连续了。

加窗的过程中，时域当中的每个点都要乘以相应的窗口系数。加窗之后，时域信号在每个采样块的开头淡入，结尾淡出。

加矩形窗，hamming窗和blackman窗的代码如下：

clf clc clear N=256; Ts_mul_32=2 y1=ones(1,N/8*Ts_mul_32) y2=hamming(N/8*Ts_mul_32); y2=y2' y3=blackman(N/8*Ts_mul_32); y3=y3' fs=400 T=0.08*Ts_mul_32 N_sample=T*fs ts=0:1/fs:(T-1/fs) x=cos(2*pi*100*ts)+sin(2*pi*50*ts)+cos(2*pi*25*ts) n=0:1/fs:((N_sample-1)/fs) scatter(n,x,'k');hold on plot(n,x,'r');  clf add_zero=zeros(1,N*(1-Ts_mul_32/8)); y_0         =[x add_zero]; y1_rec      =[x.*y1 add_zero]; y2_hamming  =[x.*y2 add_zero]; y3_blackman =[x.*y3 add_zero]; n=0:1/fs:((N-1)/fs) scatter(n,y_0,'k');hold on plot(n,y_0,'r'); hold on; plot(n,y1_rec,'g'); hold on; clf y1_dft=dft1(y1_rec,N) y2_dft=dft1(y2_hamming,N) y3_dft=dft1(y3_blackman,N) n=0:fs/N:(fs-fs/N); subplot(311); scatter(n,abs(y1_dft),'k');hold on plot(n,abs(y1_dft)) subplot(312); scatter(n,abs(y2_dft),'k');hold on plot(n,abs(y2_dft)) subplot(313); scatter(n,abs(y3_dft),'k');hold on plot(n,abs(y3_dft)) clf %plot time domian signal y_original=y1_rec; y1_idft=idft(y1_dft,N)/N y2_idft=idft(y2_dft,N)/N y3_idft=idft(y3_dft,N)/N n=0:1/fs:((N-1)/fs) scatter(n,y_original,'k');hold on plot(n,y_original,'r'); hold on; plot(n,y1_idft,'g'); hold on; plot(n,y2_idft,'b'); hold on; plot(n,y3_idft,'m');

DFT结果如下：

可以看出，加hamming窗和blackman窗有效减小了频谱当中的旁瓣。