功率谱分辨率怎样区分
功率谱、频率分辨率、频谱泄漏与窗函数在分析和测定所收集的数据记录时，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收集时域信号、测定其频谱成份、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括的点数。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 的丈量中正确选择窗函数...全部
功率谱、频率分辨率、频谱泄漏与窗函数在分析和测定所收集的数据记录时，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收集时域信号、测定其频谱成份、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括的点数。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 的丈量中正确选择窗函数非常关键。频谱泄漏是由FFT 算法中的假定酿成的，FFT 算法中假定离散时间序列可以精确地在全部时域进行周期延拓，所有包括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干。
但是如果时间序列的长度不是信号周期的整数倍(fIN/fSAMPLE ( NWINDOW/NRECORD) ，假定条件即不成立，就会产生频谱泄漏。绝大多数情况下所处理的是1个未知的安稳信号，不能保证采样点数为周期的整数倍。
频谱泄漏使给定频率份量的能量泄漏到相邻的频率点，从而在丈量结果中引入误差。选择适合的窗函数可以减小频谱泄漏效应。为进1步了解窗函数对频谱的影响，我们考察1下窗函数的频率特性。输入数据通过1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1个主瓣和几个旁瓣组成，主瓣以时域信号的每一个频率成分为中心。旁瓣在主瓣的两侧以1定的间隔衰减至零。FFT 产生离散的频谱，出现在FFT 每一个谱线的是在每一个谱线上的连续卷积频谱。
如果原始信号的频谱成分与FFT 中的谱线完全1致，这类情况下采样数据的长度为信号周期的整数倍，频谱中只有主瓣。没有出现旁瓣的缘由是旁瓣正处在窗函数主瓣两侧采样频率间隔处的零份量点。如果时间序列的长度不是周期的整数倍，窗函数的连续频谱将偏离主瓣的中心，频率偏移量对应着信号频率和FFT 频率分辨率的差异，这个偏移致使了频谱中出现旁瓣，所以，窗函数的旁瓣特性直接影响着各频谱份量向相邻频谱的泄漏宽度。
窗函数特性为简化窗函数的选择，有必要定义1些参数以便对不同的窗进行比较。这些参数有：⑶dB 主瓣带宽、⑹dB 主瓣带宽、旁瓣峰值、旁瓣衰减速度(表2)。收起
