1. 從“周期”二字說起為什么離散周期信號的頻譜值得單獨拎出來講很多人學(xué)數(shù)字信號處理學(xué)到“離散周期信號的頻譜”這一節(jié)時第一反應(yīng)是——公式好多但好像跟前面學(xué)的離散時間傅里葉變換DTFT差不多如果你也這么想過那說明你還沒被實際工程問題毒打過。我當(dāng)年做音頻降噪和振動信號分析的時候就是在這兩個概念上栽了跟頭明明理論上頻譜應(yīng)該是幾根干凈的譜線實際用計算機一算出來的卻是一片糊掉的“山包”。后來才明白問題就出在離散和周期這兩個詞同時出現(xiàn)時頻譜的形態(tài)會發(fā)生本質(zhì)變化——它不再是連續(xù)譜而是離散譜線而且這些譜線的位置、幅度、相位都有非常嚴(yán)格的數(shù)學(xué)約束。這篇文章要聊的就是離散周期信號頻譜的完整邏輯鏈它為什么是離散的線譜、跟DFS離散傅里葉級數(shù)是什么關(guān)系、實際做頻譜分析時混疊和泄露這兩個“老朋友”是怎么毀掉你的結(jié)果的以及怎么用工程手段把它們按在地上。適合已經(jīng)學(xué)過信號與系統(tǒng)基礎(chǔ)、正在做信號處理相關(guān)項目、或者被頻譜分析結(jié)果搞得一頭霧水的朋友。我會盡量少堆公式多用“人話”和實際踩坑經(jīng)驗把這件事講透。先給一個最核心的結(jié)論后面所有內(nèi)容都圍繞它展開一個域時域的離散化和周期化必然導(dǎo)致另一個域頻域的周期化和離散化。這句話是理解本文所有內(nèi)容的鑰匙。時域離散頻域就周期時域周期頻域就離散。當(dāng)信號同時滿足離散和周期兩個條件時它的頻譜就是周期性的離散譜線——既離散又周期這就是DFS存在的根本原因。2. 離散周期信號頻譜的核心邏輯拆解2.1 為什么時域周期會導(dǎo)致頻域離散先把這個最反直覺的點講清楚。連續(xù)時間里的周期信號比如一個純正弦波它的頻譜是兩根沖激線位于正負(fù)頻率處。這本身就是“時域周期→頻域離散”的體現(xiàn)。但到了離散時間領(lǐng)域事情變得更微妙。你可以這樣理解時域周期意味著信號每隔N個點就重復(fù)一次這種重復(fù)性在頻域里表現(xiàn)為“只有某些特定頻率分量能夠存在”。具體來說只有那些在N點周期內(nèi)完成整數(shù)個周期的頻率分量才能跟信號的周期性“合拍”。其他頻率分量在周期延拓時會相互抵消。所以頻域被“篩”成了離散的譜線相鄰譜線的間隔是2π/N數(shù)字角頻率或者fs/N模擬頻率fs為采樣率。這里有個容易混淆的點離散周期信號的頻譜是離散的但離散非周期信號的頻譜是連續(xù)的DTFT。很多人把這兩個搞混結(jié)果在推導(dǎo)時怎么都對不上。記住這個對應(yīng)關(guān)系時域特性頻域特性變換名稱連續(xù)、周期離散、非周期傅里葉級數(shù)FS連續(xù)、非周期連續(xù)、非周期傅里葉變換FT離散、非周期連續(xù)、周期DTFT離散、周期離散、周期DFS這張表建議你直接背下來。我當(dāng)年考試時就是靠它理清了所有變換的關(guān)系。DFS的“周期”體現(xiàn)在頻域上是因為時域離散DFS的“離散”體現(xiàn)在頻域上是因為時域周期。兩個條件缺一不可。2.2 DFS的數(shù)學(xué)形式與物理意義DFS的正變換和反變換長這樣正變換X[k] Σ(n0到N-1) x[n] * exp(-j2πk*n/N)反變換x[n] (1/N) * Σ(k0到N-1) X[k] * exp(j2πk*n/N)看起來跟DFT一模一樣對吧確實DFS和DFT在計算形式上完全相同。區(qū)別在于解釋DFS是把一個周期信號分解成N個諧波分量X[k]是第k次諧波的復(fù)幅度而DFT是把一個有限長序列做變換隱含了對序列做周期延拓的假設(shè)。這個區(qū)別在實際工程中極其重要。當(dāng)你用計算機對一個信號做FFT時你實際上是在計算DFT而DFT隱含的周期延拓假設(shè)正是頻譜泄露的根源。如果你不理解DFS的周期延拓本質(zhì)你就永遠(yuǎn)搞不懂為什么截斷信號會導(dǎo)致頻譜糊掉。X[k]的物理意義是在頻率k*fs/N處信號分量的復(fù)幅度。它的模|X[k]|是幅度譜角度∠X[k]是相位譜。由于DFS的周期性X[k] X[kN]所以通常只看k0到N-1這一個周期。2.3 離散周期信號頻譜的三個關(guān)鍵特征第一個特征是譜線間隔固定。相鄰譜線的頻率間隔是fs/N這個間隔由信號的周期N和采樣率fs共同決定。N越大譜線越密fs越高譜線間隔越大。這個關(guān)系在做頻率分辨率分析時是核心。第二個特征是只有N根獨立譜線。雖然頻域是無限周期的但一個周期內(nèi)只有N個獨立值。這意味著你無法從DFS中分辨出頻率間隔小于fs/N的兩個分量。這就是頻率分辨率的物理極限。第三個特征是幅度與周期延拓的匹配。如果信號的周期不是整數(shù)個采樣點或者你截取的N不是信號周期的整數(shù)倍那么周期延拓時在邊界處會出現(xiàn)跳變這個跳變在頻域就表現(xiàn)為頻譜泄露。這是后面要重點講的內(nèi)容。3. 混疊采樣定理背后的隱形殺手3.1 混疊的本質(zhì)頻率的“身份錯位”混疊Aliasing這個詞聽起來很玄其實本質(zhì)很簡單當(dāng)采樣率不夠高時高頻信號會“偽裝”成低頻信號。這不是比喻是數(shù)學(xué)上的嚴(yán)格等價。舉個例子。假設(shè)采樣率fs1000Hz那么奈奎斯特頻率是500Hz?，F(xiàn)在有一個600Hz的正弦波按照采樣定理它已經(jīng)超過了奈奎斯特頻率應(yīng)該被抗混疊濾波器濾掉。但如果你沒濾采樣后的序列會是什么樣600Hz的信號采樣周期Ts1/1000秒。每個采樣點的相位增量是2π*600/1000 1.2π。由于正弦的周期性1.2π的相位增量等價于1.2π - 2π -0.8π也就是相當(dāng)于-400Hz的相位增量。所以采樣后的序列看起來就像一個400Hz的信號。600Hz“偽裝”成了400Hz這就是混疊。更一般地頻率f的信號采樣后會被映射到f - k*fsk為整數(shù)取落在[-fs/2, fs/2]范圍內(nèi)的那個值。所以混疊的本質(zhì)是頻率的周期性延拓——采樣使得頻譜以fs為周期重復(fù)如果原信號帶寬超過fs/2相鄰周期就會重疊重疊部分就產(chǎn)生了混疊。3.2 抗混疊濾波器的設(shè)計要點避免混疊的唯一工程手段就是在ADC之前加抗混疊濾波器低通濾波器把高于fs/2的頻率分量濾掉。這個濾波器必須是模擬濾波器因為數(shù)字濾波在采樣之后已經(jīng)來不及了。設(shè)計抗混疊濾波器時有幾個關(guān)鍵參數(shù)截止頻率通常設(shè)為fs/2但實際要留余量一般設(shè)為0.4fs到0.45fs給濾波器的過渡帶留空間。過渡帶寬度從通帶邊緣到阻帶邊緣的頻率范圍。過渡帶越窄濾波器階數(shù)越高成本越高。阻帶衰減通常要求至少-60dB到-80dB確保高頻分量被充分抑制。我做過一個振動監(jiān)測項目最初為了省成本用了截止頻率0.5fs的濾波器結(jié)果頻譜在接近奈奎斯特頻率處總是有莫名其妙的峰。后來把截止頻率降到0.4fs問題消失。這個教訓(xùn)是永遠(yuǎn)不要貼著奈奎斯特頻率設(shè)計抗混疊濾波器一定要留保護帶。注意抗混疊濾波器必須在采樣之前且必須是模擬濾波器。數(shù)字濾波器無法防止混疊因為混疊在采樣瞬間就已經(jīng)發(fā)生了。3.3 過采樣如何幫助對抗混疊過采樣Oversampling是另一個實用手段。如果你用遠(yuǎn)高于信號最高頻率的采樣率采樣比如信號最高頻率1kHz你用100kHz采樣那么即使抗混疊濾波器的過渡帶很寬也能保證混疊分量落在有用頻帶之外。過采樣的好處是降低了對模擬濾波器過渡帶的苛刻要求。你可以用一個簡單的RC低通濾波器截止頻率設(shè)在10kHz雖然過渡帶很寬但因為采樣率是100kHz奈奎斯特頻率是50kHz混疊分量會落在50kHz附近遠(yuǎn)離你關(guān)心的0-1kHz頻帶。后續(xù)可以用數(shù)字濾波器進一步處理。代價是數(shù)據(jù)量增大后續(xù)處理負(fù)擔(dān)加重。所以實際工程中需要在濾波器復(fù)雜度和數(shù)據(jù)量之間做權(quán)衡。我的經(jīng)驗是如果信號帶寬遠(yuǎn)小于奈奎斯特頻率過采樣是性價比很高的方案如果信號本身就接近奈奎斯特頻率那就老老實實設(shè)計高階模擬濾波器。4. 頻譜泄露截斷帶來的必然誤差4.1 泄露的根源周期延拓不連續(xù)泄露Leakage是DFT分析中最常見的“背鍋俠”。很多人看到頻譜糊了就說“泄露了”但未必清楚泄露到底怎么來的?；氐紻FS的假設(shè)DFS要求信號是周期的且你分析的N個點正好是一個周期。但實際中你拿到的信號往往是無限長非周期信號的一段截斷。當(dāng)你對這N個點做DFT時隱含的假設(shè)是這N個點周期延拓后構(gòu)成一個周期信號。如果截斷處的信號值不連續(xù)——也就是x[N-1]和x[0]接不上——那么周期延拓后就會在邊界處產(chǎn)生跳變。這個跳變在頻域表現(xiàn)為什么一個跳變包含豐富的頻率分量這些分量會“泄露”到原本不應(yīng)該有能量的頻點上。所以泄露的本質(zhì)是截斷導(dǎo)致的周期延拓不連續(xù)使得原本集中在某個頻點的能量擴散到了整個頻帶。用一個直觀的例子假設(shè)你有一個10Hz的正弦波采樣率1000Hz你截取100個點0.1秒。10Hz的信號在0.1秒內(nèi)正好完成1個周期所以截斷處連續(xù)DFT結(jié)果是一根干凈的譜線。但如果你截取105個點10Hz信號在0.105秒內(nèi)完成1.05個周期截斷處不連續(xù)DFT結(jié)果就會在10Hz附近出現(xiàn)一系列逐漸衰減的譜線——這就是泄露。4.2 窗函數(shù)用“軟截斷”換“低泄露”解決泄露的標(biāo)準(zhǔn)手段是加窗。窗函數(shù)的作用是讓截斷處的信號值平滑過渡到零從而減小周期延拓時的跳變。常用的窗函數(shù)有窗函數(shù)主瓣寬度旁瓣衰減適用場景矩形窗最窄最差-13dB信號周期正好整數(shù)倍截斷漢寧窗中等較好-31dB通用頻譜分析漢明窗中等好-43dB需要低旁瓣布萊克曼窗寬很好-58dB強干擾下的弱信號檢測凱澤窗可調(diào)可調(diào)需要靈活權(quán)衡選擇窗函數(shù)的核心權(quán)衡是主瓣寬度 vs 旁瓣衰減。主瓣越窄頻率分辨率越高旁瓣越低泄露越小。但兩者不可兼得你只能根據(jù)具體需求選。我個人的經(jīng)驗法則如果做通用頻譜分析漢寧窗是默認(rèn)選擇它的旁瓣衰減和主瓣寬度平衡得最好。如果信號里有強弱分量并存弱信號容易被強信號的旁瓣淹沒這時候用布萊克曼窗或凱澤窗。如果做精確的頻率測量且能保證整周期采樣矩形窗反而最好因為它主瓣最窄。注意加窗會改變信號的幅度需要在頻域做幅度修正。不同窗函數(shù)的相干增益不同修正系數(shù)也不同。漢寧窗的相干增益是0.5所以幅度要乘以2漢明窗是0.54乘以1/0.54≈1.85。這個細(xì)節(jié)很多人忽略導(dǎo)致幅度測量偏差。4.3 整周期采樣從源頭消滅泄露比加窗更徹底的方法是整周期采樣。如果你能讓采樣點數(shù)N正好覆蓋信號周期的整數(shù)倍那么截斷處自然連續(xù)泄露為零。這在旋轉(zhuǎn)機械振動分析中特別有用因為轉(zhuǎn)速信號可以提供周期參考。實現(xiàn)整周期采樣的關(guān)鍵是同步采樣用轉(zhuǎn)速脈沖觸發(fā)ADC確保每次采樣的起始點都在同一個相位。這樣即使轉(zhuǎn)速有波動也能保證整周期截斷。我做過一個電機故障診斷項目用了光電編碼器做同步觸發(fā)頻譜干凈得跟仿真一樣旁瓣完全消失。但整周期采樣需要額外的硬件支持不是所有場景都能用。如果做不到退而求其次用窗函數(shù)也能把泄露壓到可接受的水平。5. 實操從仿真到實測的完整頻譜分析流程5.1 仿真驗證用Python復(fù)現(xiàn)混疊和泄露理論講再多不如自己跑一遍代碼。下面這段Python代碼演示了混疊和泄露的產(chǎn)生過程你可以直接復(fù)制運行。import numpy as np import matplotlib.pyplot as plt # 參數(shù)設(shè)置 fs 1000 # 采樣率 T 1.0 # 信號時長 t np.arange(0, T, 1/fs) # 場景1正常采樣信號頻率100Hz f1 100 x1 np.sin(2*np.pi*f1*t) X1 np.fft.fft(x1) freq1 np.fft.fftfreq(len(x1), 1/fs) # 場景2混疊信號頻率600Hz超過奈奎斯特頻率500Hz f2 600 x2 np.sin(2*np.pi*f2*t) X2 np.fft.fft(x2) freq2 np.fft.fftfreq(len(x2), 1/fs) # 場景3泄露截取非整數(shù)周期 f3 105 # 105Hz在1秒內(nèi)完成105個周期但截取0.1秒只有10.5個周期 t3 np.arange(0, 0.1, 1/fs) x3 np.sin(2*np.pi*f3*t3) X3 np.fft.fft(x3) freq3 np.fft.fftfreq(len(x3), 1/fs) # 繪圖 fig, axes plt.subplots(3, 2, figsize(12, 10)) axes[0,0].plot(t[:200], x1[:200]) axes[0,0].set_title(正常采樣: 100Hz正弦波) axes[0,1].plot(freq1[:len(freq1)//2], np.abs(X1[:len(X1)//2])) axes[0,1].set_title(頻譜: 干凈的單峰) axes[1,0].plot(t[:200], x2[:200]) axes[1,0].set_title(混疊: 600Hz正弦波 (fs1000Hz)) axes[1,1].plot(freq2[:len(freq2)//2], np.abs(X2[:len(X2)//2])) axes[1,1].set_title(頻譜: 混疊到400Hz) axes[2,0].plot(t3[:100], x3[:100]) axes[2,0].set_title(泄露: 105Hz正弦波, 截斷0.1秒) axes[2,1].plot(freq3[:len(freq3)//2], np.abs(X3[:len(X3)//2])) axes[2,1].set_title(頻譜: 能量泄露到鄰近頻點) plt.tight_layout() plt.show()運行這段代碼你會看到三個明顯的現(xiàn)象正常采樣的頻譜是一根干凈的譜線600Hz的信號混疊到了400Hz105Hz信號截斷后頻譜出現(xiàn)了明顯的旁瓣。這三個現(xiàn)象分別對應(yīng)了本文的核心內(nèi)容。5.2 實測中的參數(shù)選擇與陷阱實際做頻譜分析時參數(shù)選擇直接決定結(jié)果質(zhì)量。以下是我總結(jié)的參數(shù)選擇流程第一步確定信號最高頻率fmax。這決定了采樣率的下限。根據(jù)采樣定理fs 2fmax。但實際中建議fs 2.5fmax到5*fmax給抗混疊濾波器留過渡帶。第二步確定頻率分辨率Δf。Δf fs/N其中N是采樣點數(shù)。如果你需要分辨間隔為1Hz的兩個頻率分量那么Δf必須小于1Hz即N fs/1 fs。所以采樣點數(shù)N fs/Δf。第三步確定窗函數(shù)。如果信號周期已知且能整周期采樣用矩形窗否則用漢寧窗或漢明窗。如果強信號旁邊有弱信號用布萊克曼窗。第四步確定平均次數(shù)。單次FFT的頻譜波動很大方差等于均值的平方需要多次平均來平滑。平均次數(shù)越多頻譜越穩(wěn)定但測量時間越長。一般至少平均10次要求高的話平均100次。這里有個常見的陷阱采樣點數(shù)N和FFT點數(shù)不是一回事。你可以采集N個點然后補零到M點做FFTM N這樣頻譜看起來更“光滑”但頻率分辨率并沒有提高——分辨率仍然由N決定補零只是插值。很多人被這個假象騙了以為補零能提高分辨率。記住頻率分辨率只取決于實際采樣時長T N/fs補零不增加信息量。5.3 從頻譜反推信號特征的實戰(zhàn)技巧拿到一個頻譜怎么判斷它是干凈的還是有問題的我總結(jié)了一個快速檢查清單看底噪如果底噪平坦且低說明沒有混疊和泄露如果底噪在某些頻段隆起可能是混疊?？醋V線寬度如果譜線很窄接近一根線說明泄露小如果譜線很寬像山包說明泄露嚴(yán)重?？磁园耆绻靼陜蓚?cè)有規(guī)律的衰減旁瓣那是窗函數(shù)的特征如果旁瓣不規(guī)則可能是信號本身有調(diào)制?？搭l率位置如果峰值頻率跟預(yù)期不符檢查是否混疊?；殳B頻率 |f - k*fs|取最小值。我遇到過一個典型案例某設(shè)備振動信號在頻譜上顯示主頻為25Hz但設(shè)備轉(zhuǎn)速明明是3000rpm50Hz。后來發(fā)現(xiàn)采樣率設(shè)成了100Hz奈奎斯特頻率50Hz50Hz的信號正好在奈奎斯特頻率上混疊后變成了0Hz附近的直流分量而25Hz是50Hz的次諧波。把采樣率提高到500Hz后主頻正確顯示為50Hz。這個坑讓我明白采樣率的選擇必須基于對信號頻率范圍的充分了解不能拍腦袋。6. 常見問題與排查技巧實錄6.1 頻譜分析中的典型問題速查表現(xiàn)象可能原因排查方法解決方案頻譜出現(xiàn)莫名低頻峰混疊檢查信號最高頻率是否超過fs/2提高采樣率或加抗混疊濾波器譜線周圍有大量旁瓣泄露檢查截斷處是否連續(xù)加窗或整周期采樣頻譜整體模糊分辨率不足檢查采樣時長T增加采樣點數(shù)N幅度測量偏小窗函數(shù)增益未修正檢查窗函數(shù)類型乘以相干增益修正系數(shù)頻譜波動大未平均檢查平均次數(shù)增加平均次數(shù)峰值頻率偏移柵欄效應(yīng)檢查峰值是否落在譜線上補零或調(diào)整采樣率6.2 獨家避坑經(jīng)驗?zāi)切┪臋n里不會寫的細(xì)節(jié)第一個坑抗混疊濾波器的截止頻率不是越高越好。我見過有人把截止頻率設(shè)在0.49fs覺得這樣能保留最多信號。但實際上濾波器的過渡帶需要空間截止頻率太靠近fs/2會導(dǎo)致過渡帶內(nèi)的分量混疊回來。建議截止頻率不超過0.4fs。第二個坑加窗之后不要忘記做重疊處理。如果信號是分段處理的加窗會導(dǎo)致邊界處的信息丟失。標(biāo)準(zhǔn)做法是50%重疊即每次移動N/2個點。這樣雖然計算量翻倍但能保證不丟信息。第三個坑FFT點數(shù)不是越多越好。FFT點數(shù)超過采樣點數(shù)N時補零雖然讓頻譜更光滑但不會提高分辨率反而增加計算量。FFT點數(shù)等于N或略大于N取2的冪次即可。第四個坑相位譜比幅度譜更容易受泄露影響。如果你需要精確的相位信息泄露會導(dǎo)致相位劇烈波動。這時候整周期采樣幾乎是唯一的選擇。第五個坑不要忽略窗函數(shù)的主瓣寬度對分辨率的影響。矩形窗主瓣寬度是2fs/N漢寧窗是4fs/N。加漢寧窗后頻率分辨率實際上降低了一半。如果你需要分辨間隔為Δf的兩個分量用漢寧窗時采樣時長需要加倍。6.3 一個真實項目的排查記錄某次做電機軸承故障診斷頻譜上在2000Hz附近出現(xiàn)了一系列等間隔的峰間隔約50Hz。按照軸承故障頻率計算不應(yīng)該有這個特征。排查過程如下第一步檢查采樣率。采樣率10kHz奈奎斯特頻率5kHz2000Hz遠(yuǎn)低于奈奎斯特頻率排除混疊。第二步檢查泄露。信號截取長度0.5秒分辨率2Hz。2000Hz處的峰間隔50Hz遠(yuǎn)大于分辨率不是泄露導(dǎo)致的模糊。第三步檢查信號本身。用示波器看原始信號發(fā)現(xiàn)時域波形上有明顯的周期性沖擊沖擊間隔20ms對應(yīng)50Hz。原來這是電源工頻干擾耦合到了信號里。2000Hz處的峰是50Hz的40次諧波。第四步解決方案。在信號調(diào)理電路里加了50Hz陷波器問題解決。這個案例的教訓(xùn)是頻譜上的異常特征先回到時域找原因。很多問題在時域一目了然在頻域反而繞暈了。7. 離散周期信號頻譜的工程應(yīng)用場景7.1 旋轉(zhuǎn)機械振動分析旋轉(zhuǎn)機械的振動信號是典型的離散周期信號。轉(zhuǎn)速決定了基頻各階諧波對應(yīng)不同的機械故障。比如不平衡對應(yīng)1倍頻不對中對應(yīng)2倍頻軸承故障對應(yīng)高頻沖擊。在這類應(yīng)用中整周期采樣是標(biāo)配。用轉(zhuǎn)速脈沖觸發(fā)采樣保證每次分析的信號正好是整數(shù)個旋轉(zhuǎn)周期。這樣頻譜干凈故障特征清晰。我做過的一個案例中整周期采樣后1倍頻的幅度測量重復(fù)性從±15%提高到±2%故障判斷準(zhǔn)確率大幅提升。7.2 電力系統(tǒng)諧波分析電力系統(tǒng)的電壓電流信號是50Hz或60Hz的周期信號但含有大量諧波。用DFS分析各次諧波的幅度和相位是電能質(zhì)量分析的核心。這里的關(guān)鍵是同步采樣。電網(wǎng)頻率會在50Hz附近波動如果采樣率固定會導(dǎo)致非整周期截斷產(chǎn)生泄露。解決方案是用鎖相環(huán)跟蹤電網(wǎng)頻率動態(tài)調(diào)整采樣率保證每個周期采樣點數(shù)固定。這樣諧波分析精度可以做到0.1%以內(nèi)。7.3 通信系統(tǒng)中的OFDM信號分析OFDM信號在時域是多個子載波疊加看起來像噪聲但在頻域是離散的譜線。每個子載波對應(yīng)一個頻點子載波間隔固定。分析OFDM信號的頻譜需要保證分析帶寬覆蓋所有子載波且頻率分辨率小于子載波間隔。這里混疊和泄露的影響特別大?；殳B會導(dǎo)致子載波間干擾泄露會導(dǎo)致誤碼率上升。所以O(shè)FDM系統(tǒng)對采樣率和同步的要求極高。實際系統(tǒng)中前導(dǎo)序列就是用來做同步和信道估計的。8. 寫在最后幾個讓我少走彎路的習(xí)慣做信號分析這些年我養(yǎng)成了幾個習(xí)慣幫我避免了很多低級錯誤。第一個習(xí)慣是先仿真再實測。任何新的分析方法先在Python或MATLAB里用合成信號驗證一遍確認(rèn)理解了原理和參數(shù)影響再上實測數(shù)據(jù)。這樣出了問題能快速定位是方法問題還是數(shù)據(jù)問題。第二個習(xí)慣是同時看時域和頻域。頻譜上看到異常馬上回到時域找對應(yīng)特征。很多時候時域波形上的一個小毛刺在頻域就是一大片。反過來時域看起來正常的信號頻域可能藏著問題。第三個習(xí)慣是記錄每次分析的參數(shù)。采樣率、采樣點數(shù)、窗函數(shù)、平均次數(shù)、濾波器設(shè)置這些參數(shù)全部記下來。下次遇到類似信號直接復(fù)用參數(shù)效率高很多。而且出了問題能回溯是哪一步導(dǎo)致的。第四個習(xí)慣是對頻譜保持懷疑?？吹礁蓛舻淖V線先想想是不是整周期采樣了看到模糊的頻譜先想想是不是泄露了看到奇怪的峰先想想是不是混疊了。把混疊和泄露這兩個可能性過一遍大部分問題都能解釋。離散周期信號的頻譜分析理論不復(fù)雜但工程細(xì)節(jié)極多?；殳B和泄露這兩個問題本質(zhì)上都是“域之間的不匹配”造成的混疊是采樣率與信號帶寬不匹配泄露是截斷長度與信號周期不匹配。理解了這一點你就知道所有解決方案的方向——要么讓條件匹配提高采樣率、整周期采樣要么讓不匹配的后果可控抗混疊濾波器、窗函數(shù)。這個思路比死記公式有用得多。