频谱泄露

正文

在实际问题中遇到的离散时间序列x(n)通常是无限长序列，因而处理这个序列的时候需要将它截短。截短相当于将序列乘以窗函数w(n)。根据频域卷积定理，时域中x(n)和w(n)相乘对应于频域中它们的离散傅立叶变换X(jw)和W(jw)的卷积。

因此，x(n)截短后的频谱不同于它以前的频谱。

为了减小频谱“泄漏”的影响，往往在FFT处理中采用加窗技术，典型的加窗序列有Hamming、Blackman、Gaussian等窗序列。此外，增加窗序列的长度也可以减少频谱“泄漏”。

小说几句。时域上乘上窗函数，相当于频域进行卷积。长度为无穷长的常数窗函数，频域为delta函数，卷积后的结果和原来一样。如果是有限矩形窗，频域是Sa函数，旁瓣电平起伏大，和原频谱卷积完，会产生较大的失真。

窗的频谱，越像delta函数（主瓣越窄，旁瓣越小），频谱的还原度越高。于是，就产生了那么多bt的窗函数。

加窗就不可避免频谱泄漏，典型的加权序列有Hamming、Blackman、Gaussian等窗序列主要是为了降低旁瓣，对于降低频谱泄漏效果远不如增加窗序列的长度明显吧。

周期信号加窗后做DFT仍然有可能引起频谱泄露，设fs为采样频率，N为采样序列长度，分析频率为：m*fs/N（m=0，1....)，以cos函数为例，设其频率为f0,如果 f0不等于m*fs/N，就会引起除f0以外的其他m*fs/N点为非零值，即出现了泄露。

DFT作为有限长的运算，对于无限长的信号必须要进行一定程度的截断，既然信号已经不完整了，那么截断后的信号频谱肯定就会发生畸变，截断由窗函数来完成，实际的窗函数都存在着不同幅度的旁瓣，所以在卷积时，除了离散点的频率上有幅度分量外，在相邻的两个频率点之间也有不同程度的幅度，这些应该就是截断函数旁瓣所造成的。