fft中窗函数的问题！！！谢谢大家来解答！

addicted

这是采用hanning窗做的fft

这是采用rectangular窗做的fft

大家可以看到，明明对同一种波形，采用不同的窗函数做fft，结果却不同，萌新第一次遇到这个问题，请问应该采用哪个作为衡量的标准呢？

lyx1203

采样率确定是8.163M？非常奇怪的数字

w453

输入信号频率是否满足相干采样，如果满足，对于奈奎斯特ADC来说，差别不会很大，你这个地方，首先可能是频谱泄露了，采用矩形窗是不太符合要求的，汉宁窗可以，关于选择窗函数以及窗函数作用，建议百度一下，不是很好解释，百度看有图有对比的，就知道窗函数的区别了。
当然大前提得是你其他设置是没有问题的，比如采样频率

fcm5658779

首先，理解窗函数对DFT结果的影响需要明确两个概念。
1. 旁瓣衰减与主瓣宽度：
旁瓣衰减：旁瓣衰减程度反映了窗函数对频谱泄露的抑制能力。旁瓣衰减越大，频谱泄露越少，但可能伴随主瓣宽度的增加。
2. 主瓣宽度：主瓣宽度直接影响频谱的分辨率。主瓣越窄，分辨率越高，但可能牺牲旁瓣衰减。

频谱分辨率与泄露：
频谱分辨率是指DFT能够区分两个相邻频率分量的能力。增加DFT点数（N）可以使主瓣变窄，提高分辨率，但不一定能完全消除泄露。
泄露是由于信号截断引起的，使用窗函数可以减少泄露，但可能以牺牲分辨率为代价。

再来说一说如何选择窗函数。
根据信号特性选择：
如果信号包含多个频率分量且需要高分辨率，可以选择主瓣较窄的窗函数，如布莱克曼窗。
如果信号中的频率分量较少，且需要抑制频谱泄露，可以选择旁瓣衰减较大的窗函数，如汉宁窗或汉明窗。

不同的窗函数在数字信号处理中各有其独特的特点，它们对信号的截断方式、频谱特性以及分析结果均有显著影响。以下是汉宁窗、矩形窗和三角窗的主要特点归纳：

汉宁窗（Hanning Window）
形状特点：
汉宁窗是一种升余弦窗，其形状在两端逐渐减小到零，中心区域的振幅保持不变。这种形状有助于减小信号截断时产生的边界效应。
频谱特性：
主瓣加宽：与矩形窗相比，汉宁窗的主瓣宽度会有所增加，这意味着频率分辨率会降低。
旁瓣减小：汉宁窗的旁瓣显著减小，从而减少了频谱泄露，提高了频谱分析的准确性。
应用场景：
当信号随机或未知，或者包含多个频率分量，且测试关注的是频率而非能量大小时，汉宁窗是一个较好的选择。

矩形窗（Rectangular Window）
形状特点：
矩形窗是最简单的窗函数，其形状为矩形，即信号在截断点处突然截断。
频谱特性：
主瓣集中：矩形窗的主瓣比较集中，频率识别精度较高。
旁瓣较高：然而，矩形窗的旁瓣也较高，并有负旁瓣，这会导致变换中带入高频干扰和泄露，甚至出现负谱现象。
应用场景：
如果仅要求精确读出主瓣频率，而不考虑幅值精度，例如测量物体的自振频率或进行阶次分析时，矩形窗是一个合适的选择。

三角窗（Triangular Window）
形状特点：
三角窗的形状为三角形，其幅度从两端向中心逐渐增加，并在中心达到最大值。
频谱特性：
主瓣宽度：三角窗的主瓣宽度约为矩形窗的2倍，这使得频率分辨率相对较低。
旁瓣较小：三角窗的旁瓣较小，且没有负值，衰减较快。但主瓣宽度较大，可能会使信号产生一定的畸变。
应用场景：
尽管三角窗在某些方面表现良好，但由于其主瓣宽度较大，可能不适用于需要高分辨率的场合。然而，在特定应用中，如需要平衡频谱泄露和分辨率时，三角窗可能是一个可行的选择。

综上所述，不同的窗函数在形状、频谱特性和应用场景上各有优缺点。在选择窗函数时，需要根据信号的特性、分析目的以及对频率分辨率和泄露抑制的需求进行综合考虑。

addicted

   

fcm5658779 发表于 2024-7-3 15:52
首先，理解窗函数对DFT结果的影响需要明确两个概念。
1. 旁瓣衰减与主瓣宽度：
旁瓣衰减：旁瓣衰减程度反映 ...

谢谢！

addicted

   

lyx1203 发表于 2024-7-3 09:52
采样率确定是8.163M？非常奇怪的数字

是的，是做了个 400M的49分频，这个是5bit的一个tadc

jiutiaomingylt

矩形窗频谱泄露小点，但旁瓣衰耗不大
其它窗旁瓣衰耗大，但频谱泄露大点，比如BLACKMAN窗等