窗函数选择及六种窗函数.docx

,则不需要用任何的窗函数(在软件中可选择uniform)。但是如同刚刚讨论的那样,这种情况只是发生在时间足够长的瞬态捕捉和一帧数据中正好包含信号整周期的情况。 如果测试信号有多个频率分量,频谱表现的十分复杂,且测试的目的更多关注频率点而非能量的大小。在这种情况下,需要选择一个主畔够窄的窗函数,汉宁窗是一个很好的选择。 如果测试的目的更多的关注某周期信号频率点的能量值,比如,更关心其EUpeak,EUpeak-peak,EUrms或者EUrms2,那么其幅度的准确性则更加的重要,可以选择一个主畔稍宽的窗,flattop窗在这样的情况下经常被使用。 对冲击实验的数据进行分析时,因为在数据帧开始段的一些重要信息会被一般的窗函数所衰减,因此可以使用force/exponential窗。Force窗一移去了数据帧末端的噪声,对激励信号有用。而exponential窗则确保响应信号在末端的振动衰减为零值。 如果被测信号是随机或者未知的,选择汉宁窗clf;Nf=512;%窗函数复数频率特性的数据点数Nwin=20;%窗函数数据长度figure(1)forii=1:4switchiicase1w=boxcar(Nwin);%矩形窗stext='矩形窗函数幅频';case2w=hanning(Nwin);%汉宁窗stext='hanning窗函数幅频';case3w=hamming(Nwin);%海明窗stext='hamming窗函数幅频';case4w=triang(Nwin);%三角窗stext='triang窗函数幅频';end [y,f]=freqz(w,1,Nf);%求解窗函数的幅频特性 mag=abs(y); %求得窗函数幅频特性 posplot=['2,2,'int2str(ii)]; subplot(posplot); plot(f/pi,20*log10(mag/max(mag)));%绘制窗函数的幅频特性 xlabel('归一化频率');ylabel('振幅/dB'); title(stext);gridon;end