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。

窗口函数改变了什么
加窗就是在变换前执行逐样本乘法 ,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。
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:
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: True100 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 ,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。