Matlab的窗函数,矩形窗,三角窗,汉明窗,汉宁窗,布莱克曼窗
%N =51
%求矩形窗的频率响应图
wn = rectwin(51) ; %矩形窗函数
%20*log10(abs(WN))
[h1,w] = freqz(wn,1);
figure(1);
plot(w/pi,20*log10(abs(h1/max(h1))));
axis([0 1 -100 0]);
xlabel('归一化频率/\pi');
ylabel('20log_{10}|W(e^{j\omega})| /dB');
title('矩形窗的傅里叶变换');
set(gca,'YTick',[-100 -80 -60 -40 -20 0])
set(gca,'XTick',[0 :0.2: 1])
set(gca,'XAxisLocation','top'); %设置X轴在上方set(gca,'YAxisLocation','left'); %设置Y轴在左方text(1,-108,'\pi');%gtext('\pi');
%求三角窗的频率响应图
wn1 = bartlett(51);
[h1,w1] = freqz(wn1,1);
figure(2);
plot(w/pi,20*log10(abs(h1/max(h1))));
axis([0 1 -100 0]);
xlabel('归一化频率/\pi');
ylabel('20log_{10}|W(e^{j\omega})| /dB');
title('三角窗的傅里叶变换');
set(gca,'YTick',[-100 -80 -60 -40 -20 0])
set(gca,'XTick',[0 :0.2: 1])
set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'YAxisLocation','left'); %设置Y轴在左方%hanning
wn1 = hanning(51) ;
[h1,w1] = freqz(wn1,1);
figure(3);
plot(w/pi,20*log10(abs(h1/max(h1))));
axis([0 1 -100 0]);
xlabel('归一化频率/\pi');
ylabel('20log_{10}|W(e^{j\omega})| /dB');
title('Hanning的傅里叶变换');
set(gca,'YTick',[-100 -80 -60 -40 -20 0]);
set(gca,'XTick',[0 :0.2: 1]);
set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'YAxisLocation','left'); %设置Y轴在左方%hamming
wn1 = hamming(51) ;
[h1,w1] = freqz(wn1,1);
figure(4);
plot(w/pi,20*log10(abs(h1/max(h1))));
axis([0 1 -100 0]);
xlabel('归一化频率/\pi');
ylabel('20log_{10}|W(e^{j\omega})| /dB');
title('Hamming的傅里叶变换');
set(gca,'YTick',[-100 -80 -60 -40 -20 0])
set(gca,'XTick',[0 :0.2: 1])
set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'YAxisLocation','left'); %设置Y轴在左方%Blackman
wn1 = blackman(51) ;
[h1,w1] = freqz(wn1,1);
figure(5);
plot(w/pi,20*log10(abs(h1/max(h1))));
axis([0 1 -100 0]);
xlabel('归一化频率/\pi');
ylabel('20log_{10}|W(e^{j\omega})| /dB');
title('Blackman的傅里叶变换');
set(gca,'YTick',[-100 -80 -60 -40 -20 0])
set(gca,'XTick',[0 :0.2: 1])
set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'YAxisLocation','left'); %设置Y轴在左方
参考书：数字信号处理教程(第三版) 程佩青清华大学出版社2009年11月第9次印刷
P340的图7-11
矩形窗三角窗汉宁窗海明窗布拉克曼窗。
几种常见窗函数及其MATLAB程序实现
几种常见窗函数及其MATLAB程序实现2013-12-16 13:58 2296人阅读评论(0) 收藏举报分类：Matlab（15）数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。
具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。
信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。
在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。
泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。
频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。
不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。
信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。
图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。
表1 是几种常用的窗函数的比较。
如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。
但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。
Matlab的窗函数,矩形窗,三角窗,汉明窗,汉宁窗,布莱克曼窗
%N =51%求矩形窗的频率响应图wn = rectwin(51) ; %矩形窗函数%20*log10(abs(WN))[h1,w] = freqz(wn,1);figure(1);plot(w/pi,20*log10(abs(h1/max(h1))));axis([0 1 -100 0]);xlabel('归一化频率/\pi');ylabel('20log_{10}|W(e^{j\omega})| /dB');title('矩形窗的傅里叶变换');set(gca,'YTick',[-100 -80 -60 -40 -20 0])set(gca,'XTick',[0 :0.2: 1])set(gca,'XAxisLocation','top'); %设置X轴在上方set(gca,'Y AxisLocation','left');%设置Y轴在左方text(1,-108,'\pi');%gtext('\pi');%求三角窗的频率响应图wn1 = bartlett(51);[h1,w1] = freqz(wn1,1);figure(2);plot(w/pi,20*log10(abs(h1/max(h1))));axis([0 1 -100 0]);xlabel('归一化频率/\pi');ylabel('20log_{10}|W(e^{j\omega})| /dB');title('三角窗的傅里叶变换');set(gca,'YTick',[-100 -80 -60 -40 -20 0])set(gca,'XTick',[0 :0.2: 1])set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'Y AxisLocation','left'); %设置Y轴在左方%hanningwn1 = hanning(51) ;[h1,w1] = freqz(wn1,1);figure(3);plot(w/pi,20*log10(abs(h1/max(h1))));axis([0 1 -100 0]);xlabel('归一化频率/\pi');ylabel('20log_{10}|W(e^{j\omega})| /dB');title('Hanning的傅里叶变换');set(gca,'YTick',[-100 -80 -60 -40 -20 0]);set(gca,'XTick',[0 :0.2: 1]);set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'Y AxisLocation','left'); %设置Y轴在左方%hammingwn1 = hamming(51) ;[h1,w1] = freqz(wn1,1);figure(4);plot(w/pi,20*log10(abs(h1/max(h1))));axis([0 1 -100 0]);xlabel('归一化频率/\pi');ylabel('20log_{10}|W(e^{j\omega})| /dB');title('Hamming的傅里叶变换');set(gca,'YTick',[-100 -80 -60 -40 -20 0])set(gca,'XTick',[0 :0.2: 1])set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'Y AxisLocation','left'); %设置Y轴在左方%Blackmanwn1 = blackman(51) ;[h1,w1] = freqz(wn1,1);figure(5);plot(w/pi,20*log10(abs(h1/max(h1))));axis([0 1 -100 0]);xlabel('归一化频率/\pi');ylabel('20log_{10}|W(e^{j\omega})| /dB');title('Blackman的傅里叶变换');set(gca,'YTick',[-100 -80 -60 -40 -20 0])set(gca,'XTick',[0 :0.2: 1])set(gca,'XAxisLocation','top');%设置X轴在上方set(gca,'Y AxisLocation','left'); %设置Y轴在左方参考书：数字信号处理教程(第三版) 程佩青清华大学出版社2009年11月第9次印刷P340的图7-11矩形窗三角窗汉宁窗海明窗布拉克曼窗。
几种常见窗函数及其MATLAB程序实现
几种常见窗函数及其MATLAB程序实现2013-12-16 13:58 2296人阅读评论(0) 收藏举报分类：Matlab（15）数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。
具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。
信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。
在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。
泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。
频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。
不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。
信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。
图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。
表1 是几种常用的窗函数的比较。
如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。
但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。
MATLAB各种“窗函数”定义及调用
MATLAB窗函数大全1.矩形窗(Rectangle Window)调用格式:w=boxcar(n),根据长度n 产生一个矩形窗w。
2.三角窗(Triangular Window)调用格式:w=triang(n),根据长度n 产生一个三角窗w。
3.汉宁窗(Hanning Window)调用格式:w=hanning(n),根据长度n 产生一个汉宁窗w。
4.海明窗(Hamming Window)调用格式:w=hamming(n),根据长度n 产生一个海明窗w。
5.布拉克曼窗(Blackman Window)调用格式:w=blackman(n),根据长度n 产生一个布拉克曼窗w。
6.恺撒窗(Kaiser Window)调用格式:w=kaiser(n,beta),根据长度n 和影响窗函数旁瓣的β参数产生一个恺撒窗w。
窗函数:1.矩形窗:利用w=boxcar(n)的形式得到窗函数,其中n为窗函数的长度,而返回值w为一个n阶的向量,它的元素由窗函数的值组成。
‘w=boxcar(n)’等价于‘w=ones(1,n)’.2.三角窗:利用w=triang(n)的形式得到窗函数,其中n为窗函数的长度,而返回值w为一个n阶的向量,它的元素由窗函数的值组成。
w=triang(N-2)等价于bartlett(N)。
3.汉宁窗:利用w=hanning(n)得到窗函数,其中n为窗函数的长度,而返回值w 为一个n 阶的向量,包含了窗函数的n个系数。
4.海明窗:利用w=hamming(n)得到窗函数,其中n为窗函数的长度,而返回值w 为一个n 阶的向量,包含了窗函数的n个系数。
它和汉宁窗的主瓣宽度相同,但是它的旁瓣进一步被压低。
5.布拉克曼窗:利用w=blackman(n)得到窗函数,其中n为窗函数的长度,而返回值w为一个n阶的向量,包含了窗函数的n个系数。
它的主瓣宽度是矩形窗主瓣宽度的3倍,为12*pi/N,但是它的最大旁瓣值比主瓣值低57dB。
MTLAB中窗函数
MTLAB中窗函数1. 矩形窗矩形窗属于时间变量的零次幂窗。
矩形窗使用最多，习惯上不加窗就是使信号通过了矩形窗。
这种窗的优点是主瓣比较集中，缺点是旁瓣较高，并有负旁瓣，导致变换中带进了高频干扰和泄漏，甚至出现负谱现象。
N 为窗口的长度，应用矩形窗相当于没有任何窗，因为矩形窗只能在有限的时间段内截断信号而且矩形窗拥有最大的频谱泄漏。
矩形窗对分析瞬时现象很有用，即信号持续时间比矩形窗宽度短。
1,01()()0,N n N w n R n ≤≤-?==?其他窗谱：112()()()N N j j j nR R n W e w n eW eωωωω----===∑幅度函数：sin2()sin2R N W ωωω=特点：主瓣宽度最窄4Nπ，旁瓣幅度大2. 三角窗三角窗亦称费杰（Fejer ）窗，是幂窗的一次方形式。
与矩形窗比较，主瓣宽约等于矩形窗的两倍，但旁瓣小，而且无负旁瓣。
该窗无特殊应用。
21012()212112n N n N w n n N n N N -?≤≤??-=?-?-≤≤-?-?窗谱：12()()N j j W eW e ωωω--=幅度函数：2sin 24()1sin 2R N W N N ωωω??=特点：主瓣宽度宽8Nπ，旁瓣幅度较小3. 汉宁窗（升余弦窗）汉宁窗又称升余弦窗，汉宁窗可以看作是3个矩形时间窗的频谱之和，或者说是 3个 sinc(t) 型函数之和，而括号中的两项相对于第一个谱窗向左、右各移动了π/T ，从而使旁瓣互相抵消，消去高频干扰和漏能。
可以看出，汉宁窗主瓣加宽并降低，旁瓣则显著减小，从减小泄漏观点出发，汉宁窗优于矩形窗．但汉宁窗主瓣加宽，相当于分析带宽加宽，频率分辨力下降。
汉宁窗与矩形窗的谱图对比，可以看出，汉宁窗主瓣加宽（第一个零点在2π/T 处）并降低，旁瓣则显著减小。
第一个旁瓣衰减一32dB ，而矩形窗第一个旁瓣衰减-13dB 。
此外，汉宁窗的旁瓣衰减速度也较快，约为60dB/（10oct ），而矩形窗为20dB/（10oct ）。
MATLAB窗函数
4.3 实验原理 数字滤波器的设计是数字信号处理中的一个重要内容。
数字滤波器设计包括FIR（有限单位脉冲响应）滤波器与IIR（无限单位脉冲响应）滤波器两种。
与IIR滤波器相比，FIR滤波器在保证幅度特性满足技术要求的同时，很容易做到严格的线性相位特性。
设FIR滤波器单位脉冲响应h(n)长度为N，其系统函数H（z）为： H（z）是z－1的N－1次多项式，它在z平面上有N－1个零点，原点z=0是N－1阶重极点，因此H（z）是永远稳定的。
稳定和线性相位特性是FIR滤波器突出的优点。
FIR滤波器的设计任务是选择有限长度的h(n)。
使传输函数H( )满足技术要求。
FIR滤波器的设计方法有多种，如窗函数法、频率采样法及其它各种优化设计方法，本实验介绍窗函数法的FIR滤波器设计。
窗函数法是使用矩形窗、三角窗、巴特利特窗、汉明窗、汉宁窗和布莱克曼窗等设计出标准响应的高通、低通、带通和带阻FIR滤波器。
一、firl函数的使用 在MA TLAB 下设计标准响应FIR滤波器可使用firl函数。
firl函数以经典方法实现加窗线性相位FIR滤波器设计，它可以设计出标准的低通、带通、高通和带阻滤波器。
firl函数的用法为： b=firl(n,Wn,/ftype/,Window) 各个参数的含义如下： b—滤波器系数。
对于一个n阶的FIR滤波器，其n+1个滤波器系数可表示为：b(z)=b(1)+b(2)z－1+…+b(n+1)z－n。
n—滤波器阶数。
Wn—截止频率，0≤Wn≤1，Wn=1对应于采样频率的一半。
当设计带通和带阻滤波器时，Wn=[W1 W2],W1≤ω≤W2。
ftype—当指定ftype时，可设计高通和带阻滤波器。
Ftype=high时，设计高通FIR滤波器；ftype=stop时设计带阻FIR滤波器。
低通和带通FIR滤波器无需输入ftype参数。
Window—窗函数。
窗函数的长度应等于FIR滤波器系数个数，即阶数n+1。
几种常见窗函数及其MATLAB程序实现
几种常见窗函数及其MATLAB程序实现2013-12-16 13:582296人阅读评论(0)收藏举报分类：Matlab（15）数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。
具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。
信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。
在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。
泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。
频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。
不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。
信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。
图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。
表1 是几种常用的窗函数的比较。
如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。
但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。
几种常见窗函数及其MATLAB程序实现
几种常见窗函数及其MATLAB程序实现2013-12-16 13:58 2296人阅读评论(0) 收藏举报分类：Matlab（15）数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。
具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。
信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。
在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。
泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。
频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。
不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。
信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。
图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。
表1 是几种常用的窗函数的比较。
如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。
但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。
几种常见窗函数及其MATLAB程序实现
几种常见窗函数及其MATLAB程序实现2013-12-16 13:58 2296人阅读评论(0) 收藏举报分类：Matlab（15）数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。
具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。
信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。
在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。
泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。
频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。
不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。
信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。
图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。
表1 是几种常用的窗函数的比较。
如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。
但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。
常见的窗函数及基本参数
常见的窗函数及基本参数一、概述在信号处理中，窗函数是一种用于减少频谱泄漏和增加频谱分辨率的技术。
它们通常用于傅里叶变换和相关算法中。
窗函数是一个非常重要的概念，因为它们可以帮助我们更好地理解信号处理中的许多问题。
在本文中，我们将介绍一些常见的窗函数及其基本参数。
二、矩形窗函数矩形窗函数是最简单的窗函数之一，也称为“盒形窗”。
它是一个由0和1组成的序列，其中1表示数据被保留在该位置上，0表示数据被舍弃。
它的数学表达式如下：w(n) = 1, 0 <= n <= N-1w(n) = 0, 其他情况其中N为序列长度。
三、汉明窗函数汉明窗函数是一种平滑过渡到零值的窗函数。
它可以减少频谱泄漏，并且具有较好的抑制旁瓣能力。
它的数学表达式如下：w(n) = a - (1-a) * cos(2*pi*n/(N-1)), 0 <= n <= N-1其中a为系数，通常取0.54。
四、汉宁窗函数汉宁窗函数是一种平滑过渡到零值的窗函数，与汉明窗函数类似。
它也可以减少频谱泄漏，并且具有较好的抑制旁瓣能力。
它的数学表达式如下：w(n) = 0.5 - 0.5 * cos(2*pi*n/(N-1)), 0 <= n <= N-1五、布莱克曼窗函数布莱克曼窗函数是一种平滑过渡到零值的窗函数，具有较好的抑制旁瓣能力。
它的数学表达式如下：w(n) = a0 - a1*cos(2*pi*n/(N-1)) + a2*cos(4*pi*n/(N-1)) -a3*cos(6*pi*n/(N-1)) + a4*cos(8*pi*n/(N-1)), 0 <= n <= N-1其中a0=0.42, a1=0.5, a2=0.08, a3=0.025, a4=0.01。
六、海明窗函数海明窗函数是一种平滑过渡到零值的窗函数，具有良好的旁瓣抑制能力。
它的数学表达式如下：w(n) = 0.54 - 0.46 * cos(2*pi*n/(N-1)), 0 <= n <= N-1七、升余弦窗函数升余弦窗函数是一种平滑过渡到零值的窗函数，具有较好的旁瓣抑制能力。