音频开发 / 系统课时

用窗口函数准备频域分析

用窗口函数准备频域分析

把一段连续声音切成有限帧再做频域分析时,帧边界可能人为制造突变,让本应集中的频率能量扩散到邻近频点。本篇从这种频谱泄漏出发,比较矩形窗与 Hann 窗,并建立根据分析目标决定是否加窗的判断方法。

学习目标

  • 解释有限帧截断为什么会产生频谱泄漏
  • 理解加窗降低旁瓣泄漏同时会拓宽主瓣的取舍
  • 根据频率对齐情况和分析目标选择是否加窗

截断为什么会产生频谱泄漏

频域分析只能处理有限长度的数据,因此实际送入变换的并不是无限延伸的声音,而是一帧样本。直接截取一帧,相当于把原信号乘上一个帧内为 1、帧外为 0 的矩形窗。

如果这一帧恰好包含整数个周期,首尾能够自然衔接,频谱能量可以集中在对应频点附近。反之,FFT 所隐含的周期延拓会把帧尾重新接到帧头,首尾数值或斜率不连续,相当于额外引入一个突变。

这个突变会让单一正弦波的能量散布到多个频点,也就是频谱泄漏。泄漏并不代表原声音真的新增了许多频率,而是有限观测区间带来的分析结果。

直接截断与加窗后的频谱泄漏对比

窗口函数改变了什么

加窗就是在变换前执行逐样本乘法 xw[n]=x[n]w[n]x_w[n]=x[n]w[n],让帧边界按预定形状衰减。它不能消除有限帧本身的影响,只是在主瓣宽度与旁瓣高度之间重新分配误差。

窗口 边界特征 频谱取舍 常见用途
矩形窗 不做衰减 主瓣窄,旁瓣较高 频率与 FFT 频点严格同步时
Hann 窗 两端平滑到零 主瓣变宽,远端泄漏明显减弱 通用声音频谱分析
Hamming 窗 两端保留少量权重 较低旁瓣,主瓣比矩形窗宽 需要抑制邻近泄漏时
Blackman 窗 更强的边界衰减 旁瓣更低,但主瓣更宽 强分量附近寻找较弱成分

因此,“窗口越强越好”并不成立。两个频率十分接近时,过宽的主瓣可能让它们更难分开;强信号旁边存在弱信号时,更低的旁瓣又可能比窄主瓣更重要。

用一个非整周期信号观察差异

下面使用纯 Python 生成 100 Hz 正弦波。采样率为 1024 Hz、帧长为 64,因此频点间隔为 16 Hz,100 Hz 并不落在 FFT 频点上。代码用直接 DFT 计算频谱,并比较主峰之外较远频点的相对泄漏。

python
import math

FS = 1024
N = 64
F0 = 100.0

signal = [
    math.sin(2 * math.pi * F0 * i / FS)
    for i in range(N)
]
hann = [
    0.5 - 0.5 * math.cos(2 * math.pi * i / (N - 1))
    for i in range(N)
]

def spectrum(samples):
    magnitudes = []
    for k in range(N // 2 + 1):
        re = sum(
            samples[i] * math.cos(2 * math.pi * k * i / N)
            for i in range(N)
        )
        im = -sum(
            samples[i] * math.sin(2 * math.pi * k * i / N)
            for i in range(N)
        )
        magnitudes.append(math.hypot(re, im))
    return magnitudes

def far_leakage_ratio(magnitudes, peak):
    # 排除主峰附近两个频点,把比较重点放在远端旁瓣。
    far = [
        value
        for k, value in enumerate(magnitudes)
        if abs(k - peak) > 2
    ]
    return max(far) / magnitudes[peak]

rect_spectrum = spectrum(signal)
hann_spectrum = spectrum([
    sample * weight for sample, weight in zip(signal, hann)
])

rect_peak = max(range(len(rect_spectrum)), key=rect_spectrum.__getitem__)
hann_peak = max(range(len(hann_spectrum)), key=hann_spectrum.__getitem__)

print(f"bin_width={FS / N:.1f} Hz")
print(f"peak_bin_rect={rect_peak}, peak_freq={rect_peak * FS / N:.1f} Hz")
print(f"peak_bin_hann={hann_peak}, peak_freq={hann_peak * FS / N:.1f} Hz")
print(
    "Hann far leakage lower:",
    far_leakage_ratio(hann_spectrum, hann_peak)
    < far_leakage_ratio(rect_spectrum, rect_peak),
)

预期输出:

text
bin_width=16.0 Hz
peak_bin_rect=6, peak_freq=96.0 Hz
peak_bin_hann=6, peak_freq=96.0 Hz
Hann far leakage lower: True

100 Hz 最接近第 6 个频点的 96 Hz,所以两个频谱的最大频点都在那里。Hann 窗并没有把频率“校正”成 100 Hz,而是降低了离主峰较远的泄漏;与此同时,它会让主瓣覆盖更宽的频率范围。

根据分析目标决定是否加窗

对任意位置切下来的声音帧做频谱观察时,Hann 窗通常是稳妥的默认选择,因为现实声音很少恰好在帧边界完成整数周期。若采样和信号源经过同步设计,使目标频率严格落在 FFT 频点上,则矩形窗可能保留更窄的主瓣,此时并非必须额外加窗。

若任务是测量正弦分量的真实幅度,还要考虑窗口造成的幅度衰减。窗口的相干增益可写成 G=∑w[n]/NG=\sum w[n]/N,幅度估计时应按所用窗口进行补偿,否则不同窗口得到的峰值不能直接比较。

在实际分析中,可以先问两个问题:目标信号是否与分析帧严格同步,以及更在意分开邻近频率还是压低强信号造成的旁瓣。回答这两个问题,比机械地给所有音频帧套同一种窗口更可靠。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用窗口函数准备频域分析

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通