STFT 中常见窗函数（矩形、Hann、Hamming、Blackman）如何实现，它们如何影响主瓣宽度、旁瓣抑制、频谱泄漏和时频分辨率？｜字节跳动算法面经解析

60 秒回答模板

STFT 的流程是把长音频按帧切分，每帧乘以窗函数 w[n]，再做 FFT。加窗不是装饰步骤，它决定了有限长度截断在频域里的形状：主瓣越窄，越容易分开相邻频率；旁瓣越低，强频率分量越不容易泄漏到远处并掩盖弱分量。矩形窗实现最简单，w[n]=1，相当于硬截断，主瓣最窄、频率分辨率看起来最好，但旁瓣很高，非整周期信号会有明显频谱泄漏。Hann 窗常写成 0.5 - 0.5 cos(2πn/(N-1))，两端平滑降到 0，主瓣比矩形宽，但旁瓣明显降低，是通用分析和重构中很常见的折中。Hamming 窗常写成 0.54 - 0.46 cos(2πn/(N-1))，两端不完全为 0，主瓣宽度接近 Hann，第一旁瓣通常更低，但远端旁瓣衰减不一定比 Hann 更快。Blackman 窗常写成 0.42 - 0.5 cos(2πn/(N-1)) + 0.08 cos(4πn/(N-1))，主瓣更宽，频率分辨率下降，但旁瓣抑制更强，适合弱信号容易被强信号泄漏掩盖的场景。回答时要强调：真实频率可分辨能力主要由窗口时长和窗形主瓣宽度决定，hop size 主要影响帧步进、时间采样密度、重叠率和重构冗余；FFT zero-padding 只是让频率网格更密，不等于真实分辨率变高。实际工程还要考虑 periodic/symmetric 约定、幅值归一化、overlap-add 条件和指标如主瓣宽度、峰值旁瓣、旁瓣衰减、ENBW、scalloping loss。

考点 核心公式

难度 真实面经题

回答目标 让候选人能从 STFT 加窗机制讲到四类窗的实现公式、主瓣和旁瓣差异，并能用泄漏、分辨率、重构和归一化指标解释选择边界。

深入解析

STFT 加窗改变截断方式

STFT 对每个短时帧做频谱分析。若直接截取一段信号，相当于乘矩形窗，帧边界的不连续会在频域产生较强旁瓣。使用 Hann、Hamming、Blackman 等平滑窗，是用较柔和的边缘权重降低边界突变，从而减少频谱泄漏。实现上通常是预先生成长度为 N 的窗向量，对每个 frame 做逐点相乘后再 FFT。

矩形窗保频率分辨率但泄漏重

矩形窗 w[n]=1，保留每个采样点同等权重。它的主瓣较窄，因此两个频率很近的理想正弦更容易被分开；但旁瓣高，非 bin-centered 或非整周期成分会把能量泄漏到大量频点。它适合边界天然连续、频率正好落在 FFT bin 或需要最窄主瓣的受控分析，不适合一般音频中的非平稳信号。

Hann 和 Hamming 是常用折中

Hann 窗公式常用 0.5 - 0.5 cos(2πn/(N-1))，两端为 0，旁瓣较矩形低很多，重叠相加时也常见。Hamming 窗常用 0.54 - 0.46 cos(2πn/(N-1))，两端不为 0，第一旁瓣抑制通常比 Hann 更强，但远端旁瓣衰减可能更慢。二者主瓣都比矩形宽，所以会牺牲一部分分辨相近频率的能力。

Blackman 更重视旁瓣抑制

Blackman 窗引入二阶余弦项，常写成 0.42 - 0.5 cos(2πn/(N-1)) + 0.08 cos(4πn/(N-1))。它的边缘更平滑，峰值旁瓣更低，适合分析强弱频率成分共存、弱成分容易被泄漏淹没的情况。代价是主瓣更宽，接近的频率峰更容易被合并，频率定位会变粗。

窗长、窗形、hop 和 zero-padding 分别影响不同东西

真实频率可分辨能力主要来自窗口时长和窗形主瓣宽度：长窗观察时间更长，频率估计更细，但瞬态定位更差；短窗相反。窗形决定主瓣、旁瓣、ENBW、scalloping loss 和泄漏形态。hop size 决定相邻帧间隔、时间采样密度、重叠率和重构冗余，不应说成直接提高频率分辨率。FFT zero-padding 会让频率显示网格更密、峰值更平滑，但不会凭空增加真实频率分辨能力。

工程边界包括重构和归一化

做特征提取和做可逆 STFT 的关注点不同。若需要 ISTFT 重构，要检查窗口与 hop size 是否满足 overlap-add 条件，并处理窗能量归一化；若比较不同窗的幅值，要考虑 coherent gain，否则同一正弦的峰值会因窗不同而变化。常见错误还包括把 zero-padding 当成真实频率分辨率提升、混淆 periodic 和 symmetric 窗、以及只看 FFT 图不看旁瓣指标。

易错点

只背窗函数名字，不写实现公式，也不说明窗是逐点乘到每个 STFT frame 上。
把主瓣窄和旁瓣低混为一谈，没有说清频率分辨率和泄漏抑制的 tradeoff。
认为矩形窗最好，因为主瓣最窄，忽略高旁瓣导致的严重频谱泄漏。
说 Blackman 各方面都更好，没有说明它用更宽主瓣换低旁瓣。
把 zero-padding 后频点变密当成真实频率分辨率提升。
比较不同窗的频谱幅值时不做 coherent gain 或能量归一化，导致结论偏差。
需要重构时只选窗形，不检查 hop size 和 overlap-add 条件。

面试官追问

为什么矩形窗泄漏更严重？

矩形窗在帧边界是硬截断，若信号在窗口内不是整数周期，边界会产生不连续。频域上它对应较高旁瓣，强分量能量会扩散到更多频点。

Hann 和 Hamming 怎么选？

Hann 更常作为通用平滑窗，端点为 0，重构和分析都常用；Hamming 第一旁瓣抑制通常更好，但远端旁瓣衰减和端点特性不同。选择要看是否更关心第一旁瓣、远端泄漏或重构条件。

Blackman 窗为什么会降低频率分辨率？

因为它用更强的平滑换来更低旁瓣，代价是主瓣变宽。主瓣宽时，相邻频率峰更容易互相覆盖，所以分辨接近频率的能力下降。

增加 FFT 点数能解决窗函数带来的分辨率问题吗？

zero-padding 可以让频谱曲线看起来更密，便于插值观察峰值，但不改变由有效窗长和主瓣宽度决定的真实分辨能力。

做 ISTFT 时只要分析窗好就够了吗？

不够。还要看 hop size、合成窗和窗能量归一化是否满足 overlap-add。否则分析频谱看起来正常，但重构波形会出现幅值起伏或失真。