窗函数
通过确保信号和采样周期保持同步，或者通过确保函数在采样周期的开始和结束时为零，可以缓解边的不连续问题。后一种情况可以通过应用所谓的“窗函数”来实现，该函数通常采用调幅正弦波的形式。
使用窗函数本身会产生一些错误，用户应当注意这些错误并尽量加以避免。各种类型的加窗函数以不同的方式分配能量。窗函数的选择取决于输入函数和所需领域。
自加窗函数
自加窗函数是在采样周期 T 或瞬态信号中具有周期性的函数。瞬态信号是指在采样周期开始和结束时函数自然为零的信号，例如脉冲和突发信号。应尽量采用自加窗函数，因为应用窗函数时其本身即存在问题。然后可以使用矩形窗或均匀窗，因为它们不会影响能量分布。
| 注 | 应该注意的是，对信号和采样时间进行同步或是使用自加窗函数比使用窗函数更可取。 |
窗函数特性
提供的时间窗有多种形式，其中许多是调幅正弦波。实际上，这些都是滤波器，可以通过检查它们在频域中的滤波器特性来比较各个窗的属性，它们的特性可以用以下所示的因素来描述。
在挤压到主瓣和旁瓣的能量的对比量方面，这些窗各有不同。窗的选择取决于分析目的和使用的信号类型。通常，噪声带宽越宽，频率分辨率越差，因为更难区分具有相似振幅的相邻频率。另一方面，选择性（即区分较大分量旁边的较小分量的能力）随着旁瓣的衰减而提高。通常，在带宽方面表现良好的窗在旁瓣衰减上表现较弱，因此选择是两者之间的权衡。表 1-1 中总结了所提供的窗的这些特性。
| 窗类型 | 最高旁瓣 (dB) |
旁瓣衰减 (dB/decade) |
噪声带宽 （箱数） |
最大幅值误差 (dB) |
|---|---|---|---|---|
| Hanning （或 Hann） |
-32 | -60 | 1.5 | 1.4 |
| Hamming | -43 | -20 | 1.36 | 1.8 |
| Blackman | -92 | -20 | 2.0 | 1.1 |
| Bartlett | -26 | -38 | 1.34 | — |
窗类型
以下窗（Hanning、Hamming、Blackman、和 Bartlett）在时域中都采用调幅正弦波的形式。有关频域滤波器特性的比较，请参见表 1-1。
- Hanning（或 Hann）
- 此窗最常用于对具有离散频率分量的随机信号进行通用分析。它具有应用圆顶过滤器的效果。区分振幅相似的相邻频率的能力较低，因此不适合精确测量小信号。
- Hamming
- 此窗的旁瓣高于 Hanning 但衰减率较低，最适合在动态范围约为 50 dB 时使用。
- Blackman
- 此窗可用于在存在较强组分的情况下检测较弱组分。
- Bartlett
- 此窗是三角形类型。它类似于矩形窗，但在零与一之间过渡时更平滑。