理解频域、时域、FFT和加窗对信号的处理过程（学习笔记）

尽管傅立叶变换是一个复杂的数学函数，但是通过一个测量信号来理解傅立叶变换的概念并不复杂。从根本上说，傅立叶变换将一个信号分解为不同幅值和频率的正弦波。
所有信号都是若干正弦波的和
我们通常把一个实际信号看作是根据时间变化的电压值。这是从时域的角度来观察信号。
傅立叶定律指出，任意波形在时域中都可以由若干个正弦波和余弦波的加权和来表示。例如，有两个正弦波，其中一个的频率是另一个的3倍。将两个正弦波相加，就得到了一个不同的信号。


图1 两个信号相加，得到一个新的信号

假设第二号波形幅值也是第一个波形的1/3。此时，只有波峰受影响。


图2 信号相加时调整幅值影响波峰

假加上一个幅值和频率只有原信号1/5的信号。按这种方式一直加，直到触碰到噪声边界，您可能会认出结果波形。


图3 方波是若干正弦波的和

您创建了一个方波。通过这种方法，所有时域中的信号都可表示为一组正弦波。
即使可以通过这种方法构造信号，那意味着什么呢? 因为可以通过正弦波构造信号，同理也可以将信号分解为正弦波。

一旦信号被分解，可查看和分析原信号中不同频率的信号。请参考信号分解的下列使用实例：
分解广播信号，可选择要收听的特定频率(电台)。
将声频信号分解为不同频率的信号(例如，低音、高音)，可增强特定频段，移除噪声。
根据速度和强度分解地震波形，可优化楼宇设计，避免强烈震动。
分解计算机数据时，可忽略频率重要性最低的数据，这样就能更紧凑地利用内存。这就是文件压缩的原理。
使用FFT分解信号
傅立叶变换将一个时域信号转换为频域信号。频域信号显示了不同频率对应的电压。 频域是另一种观察信号的角度。
数字化仪对波形进行采样，然后将采样转换为离散的值。因为发生了转换，傅立叶转换在这些数据上无法进行。 可使用离散傅立叶变换(DFT)，其结果是离散形式的频域信号。FFT是DFT的一种优化实现，计算量较少，但是本质上是对信号的分解。
横轴是频率，纵轴是幅度。
在频域里也可观察到信号的形状。例如，频域中方波信号的形状。使用不同频率的正弦波创建一个方波。即可预见，在频域中，这些信号都会被表示为一根竖线，每一根竖线都表示组成方波的正弦波。如频域中，竖线显示为一个梯度，就可知道原信号是一个方波信号。

什么是加窗?
使用FFT分析信号的频率成分时，分析的是有限的数据集合。FFT认为波形是一组有限数据的集合，一个连续的波形是由若干段小波形组成的。对于FFT而言，时域和频域都是环形的拓扑结构。时间上，波形的前后两个端点是相连的。如测量的信号是周期信号，采集时间内刚好有整数个周期，那么FFT的上述假设合理。


测量整数个周期(上图)可以得到理想的FFT(下图)
在很多情况下，并不能测量到整数个周期。因此，测量到的信号就会被从周期中间切断，与时间连续的原信号显示出不同的特征。有限数据采样会使测量信号产生剧烈的变化。 这种剧烈的变化称为不连续性。

采集到的周期为非整数时，端点是不连续的。这些不连续片段在FFT中显示为高频成分。这些高频成分不存在于原信号中。这些频率可能远高于奈奎斯特频率，在0～采样率的一半的频率区间内产生混叠。使用FFT获得的频率，不是原信号的实际频率，而是一个改变过的频率。类似于某个频率的能量泄漏至其他频率。这种现象叫做频谱泄漏。频率泄漏使好的频谱线扩散到更宽的信号范围中。


测量非整数个周期(上图)将频谱泄漏添加至FFT(下图)

可通过加窗来尽可能减少在非整数个周期上进行FFT产生的误差。数字化仪采集到的有限序列的边界会呈现不连续性。加窗可减少这些不连续部分的幅值。加窗包括将时间记录乘以有限长度的窗，窗的幅值逐渐变小，在边沿处为0。加窗的结果是尽可能呈现出一个连续的波形，减少剧烈的变化。这种方法也叫应用一个加窗。


加窗可尽可能减少频谱泄漏（如图）

加窗函数
根据信号的不同，可选择不同类型的加窗函数。要理解窗对信号频率产生怎样的影响，就要先理解窗的频率特性。
窗的波形图显示了窗本身为一个连续的频谱，有一个主瓣，若干旁瓣。主瓣是时域信号频率成分的中央，旁瓣接近于0。旁瓣的高度显示了加窗函数对于主瓣周围频率的影响。对强正弦信号的旁瓣响应可能会超过对较近的弱正弦信号主瓣响应。
一般而言，低旁瓣会减少FFT的泄漏，但是增加主瓣的带宽。旁瓣的跌落速率是旁瓣峰值的渐进衰减速率。增加旁瓣的跌落速率，可减少频谱泄漏。
选择加窗函数并非易事。每一种加窗函数都有其特征和适用范围。要选择加窗函数，必须先估计信号的频率成分。
窗函数选择标准：
如果您的信号具有强干扰频率分量，与感兴趣分量相距较远，那么就应选择具有高旁瓣下降率的平滑窗。
如果您的信号具有强干扰频率分量，与感兴趣分量相距较近，那么就应选择具有低最大旁瓣的窗。
如果感兴趣频率包含两种或多种很距离很近的信号，这时频谱分辨率就非常重要。 在这种情况下，最好选用具有窄主瓣的平滑窗。
如果一个频率成分的幅值精度比信号成分在某个频率区间内精确位置更重要，选择宽主瓣的窗。
如信号频谱较平或频率成分较宽，使用统一窗，或不使用窗。
总之，Hanning窗适用于95%的情况。 它不仅具有较好的频率分辨率，还可减少频谱泄露。如果您不知道信号特征但是又想使用平滑窗，那么就选择Hanning窗。

即使不使用任何窗，信号也会与高度一致的长方形窗进行卷积运算。本质上相当于对时域输入信号进行截屏，对离散信号也有效。该卷积有一个正弦波函数特性的频谱。基于该原因，没有窗叫做统一窗或长方形窗。

Hamming窗和Hanning窗都有正弦波的外形。两个窗都会产生宽波峰低旁瓣的结果。Hanning窗在窗口的两端都为0，杜绝了所有不连续性。Hamming窗的窗口两端不为0，信号中仍然会呈现不连续性。Hamming窗擅长减少最近的旁瓣，但是不擅长减少其他旁瓣。Hamming窗和Hanning适用于对频率精度要求较高对旁瓣要求较低的噪声测量。


Hamming和Hanning都会产生宽波峰低旁瓣的结果

总结
所有时域中的信号都可表示为一组正弦波。
FFT变换将一个时域信号分解为在频域中表示，并分析信号中的不同频率成分。
在频域中显示信号有助于发现信号中的干扰、噪声和抖动。
信号中如果包含非整数个周期，会发生频率泄漏。可通过加窗来改善该情况。
数字化仪采集到的有限序列的边界会呈现不连续性。加窗可减少这些不连续部分的幅值。
没有窗叫做统一窗或长方形窗，因为加窗效果仍然存在。
一般情况下，Hanning窗适用于95%的情况。它不仅具有较好的频率分辨率，还可减少频谱泄露。
请始终比较窗函数的性能，从而找到最适合的一种窗函数。