常用窗函数的特性与选用Erwin.pdfVIP

用窗函数的特性与选用 首先应该感谢Erwin 站长，是他发起了这个好帖，我来整理下，供大家方便阅读 学习和讨论！ 还是先列个提纲，慢慢补充内容。 1 什么是窗？ 2 为什么要窗？ 3 常用窗函数的时频特性与适用范围 4 窗函数的综合比较与选用 1 什么是“窗”？ 这个要从傅里叶分析说起。从傅里叶分析本身定义看，它是对连续函数进行 的，此时是没有窗的概念的。但是傅里叶分析 理论上具有无限的完美性，但实 用时却遇到很大的困难，因为它是一个积分表达式。 1963 年，两位牛人提出了 FFT 的基本思想可以看做是傅里叶分析实用领域的一大突破 （当然FFT 计算量很 大，直到计算机得到高速发展后FFT 才有了广泛的应用）。FFT 有一个基本概念 就是block，也就是一个数据块，FFT 是对一个数据块的数据按照蝶型算法进行 的。 那么，如何从一个连续的信号得到一个block 以便进行FFT 呢？这就需要一个窗 从连续信号上截取一个block 下来。“窗”就是这样一个工具，用来从连续时间 信号中提出一段有限的数据。 2 为什么要“窗”？ 答案很简单，加窗的目的有两个： 1）减小泄露； 2）改善栅栏效应； 名词解 ： 泄露（leakage） 从一个连续信号中抽取一个block 的过程，如果不加窗，实际上就是默认 加了一个矩形窗，如下图示。这样数据抽取的结果，就是使得原来连续信号中集 中 f0 处的能量被分散到两个较宽的频带中去了，这种现象称之为频谱能量泄 漏 （Leakage）。 PDF 文件使用 pdfFactory Pro 试用版本创建 3 栅栏效应 （Picket Fence Effect） 对信号做FFT 时，得到的是一系列离散的谱线，如果信号中的频率成份位于 谱线之间而不是正好落 谱线上，此时就会造成幅值和相位上的偏差。离散的一 条条谱线就象一个栅栏，因此称这种现象为栅栏效应。 栅栏效应可以形象地做一个比喻。正如在栅栏外走过一个美女，你目不转睛去看， 但因为栅栏效应总有一些关键部位被挡住，使得美女在一定程度上有失真。这就 是栅栏效应。 3 常用窗函数的时频特性与适用范围-- uniform widow （1） uniform 窗，即又名矩形窗，具有较大的实时带宽，最大栅栏效应误差为 3.92dB。 需要注意的是：对于伪随机信号一定要用矩形窗，否则结果没有意 义。 另外，矩形窗也常用于瞬态信号，可以提高信噪比。 PDF 文件使用 pdfFactory Pro 试用版本创建 3 3 常用窗函数的时频特性与适用范围-- hanning window （2） 汉宁窗是应用最为广泛的一种窗函数，它是一个平滑的时间函数，以零开始， 结束于零。由于这种平滑性，它可以大大降低矩形窗带来的不连续性因而可以减 小泄露。 汉宁窗可以用于大多数的连续信号。 3 常用窗函数的时频特性与适用范围-- Kaiser-Bessel （3） Kaiser-Bessel 窗与汉宁窗有些类似，比较平滑，起始并终结于0，但它的 泄露比汉宁窗大。 Kaiser-Bessel 窗经常用于稳定周期信号中。 PDF 文件使用 pdfFactory Pro 试用版本创建 3 3 常用窗函数的时频特性