频谱泄漏：频谱分析中的“拦路虎”

频谱泄漏是指在进行傅里叶变换时，由于信号截断或周期化造成的频谱畸变现象。

简单来说，就是原本应该集中在一个频率点上的能量，由于上述原因“泄漏”到了其他频率点上，导致频谱变得模糊不清。

信号截断： 实际信号通常是无限长的，但在数字信号处理中，我们只能截取有限长度的信号进行分析。这种截断相当于给信号乘上了一个矩形窗，而在频域上，乘法相当于卷积。矩形窗的频谱是一个sinc函数，其旁瓣会引起频谱泄漏。

信号周期化： 傅里叶变换假设信号是周期性的，但实际信号往往是非周期性的。为了进行傅里叶变换，我们通常会将信号周期延拓，这种周期延拓也可能导致频谱泄漏。

1. 频谱分辨率降低： 频谱泄漏会使得相邻频率分量之间产生干扰，降低频谱分辨率。

2. 出现虚假频率成分： 频谱泄漏可能导致在频谱中出现本不存在的频率成分，影响对信号的分析。

3. 影响信号参数估计： 频谱泄漏会影响对信号幅值、相位等参数的准确估计。

   
   

如何减小频谱泄漏？

选择合适的窗函数： 除了矩形窗，还有汉宁窗、海明窗等多种窗函数。这些窗函数的旁瓣比矩形窗小，可以有效减小频谱泄漏。

1. 矩形窗： 虽然简单，但旁瓣较高，频谱泄漏严重。

2. 汉宁窗、海明窗： 旁瓣衰减较快，频谱泄漏较小。

3. Blackman窗： 旁瓣衰减更快，但主瓣宽度稍宽。

4. Kaiser窗： 可以通过调节参数来控制主瓣宽度和旁瓣衰减。

   
   

选择窗函数时，需要综合考虑主瓣宽度和旁瓣衰减这两个因素。主瓣宽度越窄，频谱分辨率越高；旁瓣衰减越快，频谱泄漏越小。

增加采样点数： 增加采样点数可以减小信号截断的影响。相当于在时域上延长信号，可以减小截断效应，从而减少频谱泄漏。

注意： 增加采样点数并不能完全消除频谱泄漏，只能减轻其影响。

零填充： 在进行FFT变换之前，可以在信号末尾添加若干个零，这相当于对信号进行插值，可以提高频谱分辨率，但并不能消除频谱泄漏。零填充只能增加频谱中的采样点数，不能增加信号本身包含的信息。

提高采样频率可以增加奈奎斯特频率，减少频谱混叠的可能性，从而间接减轻频谱泄漏。提高采样频率会增加数据量，增加计算量。

对于周期性信号，可以通过频率同步的方法，使信号的周期与FFT的长度相匹配，从而减少频谱泄漏。

将长信号分段，对每一段进行FFT，然后拼接。这种方法可以减少截断效应，但会增加计算量。

大概就这么多了！频谱泄漏是由于信号处理过程中的近似而产生的，因此不可能完全消除。我们的目标是通过各种方法，将频谱泄漏的影响减小到可以接受的范围内。

https://brianmcfee.net/dstbook-site/content/intro.html