通信工程 / 系统课时
用FFT检查频率分辨率与谱泄漏
用FFT检查频率分辨率与谱泄漏
同一条正弦信号,即使实际只有一个频率,FFT 结果也可能在许多频点上出现能量。本篇固定采样率和观察窗,比较整周期采样、非整周期采样以及 Hann 窗的输出,分清真正的频率成分与截断造成的谱泄漏。
学习目标
- 根据采样率、样本数和观测时长计算 FFT 频点间隔。
- 解释非整周期截断为什么会产生谱泄漏,并辨认窗函数的取舍。
- 通过实测数值区分加窗、补零与延长采样时间的作用。
先计算频率栅格和观测时长
设置采样率 、采样点数 。观察时长为 ,FFT 频点间隔为 。因此非负频点依次是 0、4、8、…、512 Hz,512 Hz 为奈奎斯特频率。
| 原始采样点数 | 观测时长 | 原始 FFT 频点间隔 |
|---|---|---|
| 256 | 0.25 s | 4 Hz |
| 1024 | 1.00 s | 1 Hz |
这里的 4 Hz 首先指频率栅格的间隔,不能简单理解成任何两条相距 4 Hz 的谱线都必然可分辨。实际双音分辨力还与窗函数主瓣宽度、幅度差和噪声有关。
看清整周期与非整周期的差别
取 128 Hz 单频正弦,0.25 s 内正好包含 32 个周期;在理想无噪声、矩形窗和频点对齐条件下,单边 FFT 幅度集中在 128 Hz 的一个频点。改成 130 Hz,观察窗内只有 32.5 个周期;FFT 将有限记录视作周期重复时,记录边界不能平滑衔接,于是能量分散到多个频点。

谱泄漏并不说明信号里真的存在 124 Hz、132 Hz 等额外发射频率,而是有限时间截断后与 FFT 基函数不完全匹配的结果。矩形窗旁瓣较高;Hann 窗通过平滑两端压低远处旁瓣,但同时使主瓣变宽。
用 Python 比较矩形窗和 Hann 窗
以下示例使用 Python 3 和 NumPy。用单边幅度 做窗增益校正,并比较 160~256 Hz 远离主瓣频带中的最大幅度。这个校正只针对非直流、非奈奎斯特点的正弦幅度刻度,不能消除频率不对齐造成的峰值偏低。
import numpy as np
fs, n = 1024, 256
t = np.arange(n) / fs
bins = np.fft.rfftfreq(n, d=1 / fs)
print(f"df={fs/n:.1f} Hz, T={n/fs:.2f} s")
for f in (128, 130):
x = np.sin(2 * np.pi * f * t)
for name, window in (("rect", np.ones(n)), ("hann", np.hanning(n))):
# 窗均值补偿幅度尺度,但不能消除频率不对齐造成的栅栏效应。
amp = 2 * np.abs(np.fft.rfft(x * window)) / (n * window.mean())
k = np.argmax(amp[1:]) + 1
# 比较远离主瓣的频带,避免将主瓣展宽当作旁瓣泄漏。
far = amp[(bins >= 160) & (bins <= 256)].max()
print(f"f={f:3d}, {name:4s}: peak@{bins[k]:.0f}Hz={amp[k]:.3f}, far={far:.4f}")预期输出:
df=4.0 Hz, T=0.25 s
f=128, rect: peak@128Hz=1.000, far=0.0000
f=128, hann: peak@128Hz=1.000, far=0.0001
f=130, rect: peak@128Hz=0.640, far=0.0392
f=130, hann: peak@132Hz=0.850, far=0.0008130 Hz 实际输入幅度为 1,但两个窗的单个最大频点都不足 1;这是频点不对齐引起的幅度估计误差,不能据此判定信号在传输中衰减。Hann 窗的远处旁瓣明显更小,但主瓣附近会占据更多频点。
区分加窗、补零与真正提高分辨力
- 加 Hann 窗:适合观察与强分量相隔较远的弱频率成分,能够降低远旁瓣;代价是主瓣较宽。矩形窗适合已知频率恰好对齐频点的幅度检验。
- 零填充:把 256 个有效样本补到 1024 点再做 FFT,显示频点间隔变为 1 Hz,但有效观测时间仍为 0.25 s;它使频谱曲线更密,不会把两条紧邻信号自动分开。
- 延长实际采样:保持 1024 Hz 采样率,真正采集 1024 点,时长增至 1 s,原始频点间隔才从 4 Hz 缩为 1 Hz。此时仍须结合窗函数和信噪比评估两音能否分开。
若看到主峰两侧出现密集小峰,先核对 、 与信号是否包含整周期,再对同一批数据比较矩形窗和 Hann 窗;只有主瓣以外稳定存在、且不随窗函数显著变化的结构,才值得进一步作为真实频率分量验证。