以前談到序列的實際長度可以通過零填充方法加入，使得最終增加n新增表觀解析度。
但它並沒有解決洩漏頻率的問題。
根本原因在於洩漏視窗選擇的頻率。
由於矩形窗突然被切斷，頻譜旁瓣相對幅度過大，造成洩漏分量很。因此，與fir路一樣，我們想到了其它窗。
接上次的樣例，矩形窗：
ts = 0.01;
n = 0:24;
y = [sin(2*pi*20*n*ts),zeros(1,999)];
xk = abs(fft(y,1024));
stem(xk);
頻譜如圖：
我們換三角窗:yd = [y.*triang(25)',zeros(1,999)];注意先加權再補零吧（事實上不是非常確定的說）。
頻譜例如以下：
漢明窗：
儘管主瓣寬度加寬了，但咱能夠繼續加大n啊，所以不是問題。關鍵是如今頻譜不洩露。
利用DFT對連續訊號做頻譜分析
以上的處理流程就是對訊號進行一次一次近似的過程，其中每一次近似都會伴隨有資訊丟失。在對連續訊號進行取樣時，必須滿足取樣定理，以避免頻譜混疊。為何會有頻譜洩漏?在xn n x n rn n 這個過程中會發生頻譜洩漏 r n 為矩形序列 因為rn n 序列的dtft是乙個sa 函式，時域的乘積對應頻域的...
分析訊號質量用功率譜分析還是頻譜分析？
一 定義 功率譜密度 對於具有連續頻譜和有限平均功率的訊號或雜訊，表示其頻譜分量的單位頻寬功率的頻率函式。頻譜分析 對訊號進行傅利葉變換，用該方法對振動的訊號進行分解，並按頻率順序展開，使其成為頻率的函式，進而在頻率域中對訊號進行研究和處理的一種過程。隨機過程 stochastic process ...
python頻譜分析
import numpy as np import matplotlib.pyplot as pl sampling rate 8000 fft size 512 首先定義了兩個常數 sampling rate,fft size，分別表示數碼訊號的取樣頻率和fft的長度.由於快速離散傅利葉演算法的影...