MATLAB 做 FFT 频谱分析：峰值泄漏从哪来？窗函数与补零的工程取舍

做信号处理实验时，很多人都遇到过这个现象：一个明明是单频正弦的信号，用 MATLAB 的 fft 一算，频谱主峰两边拖出一串“裙摆”，峰值也不正好落在某个频点上。换一台示波器看时域波形又很干净——问题不在信号，而在我们对一段有限长数据做 FFT 的方式本身。本文把泄漏的成因、窗函数的取舍和补零的真实作用一次讲清。

一、泄漏的根源：截断等于加了矩形窗

FFT 默认我们给的 N 个采样点就是信号的全部。但只要信号频率不是采样频率除以 N 的整数倍（即非整周期截断），这段数据在 FFT 眼里就相当于被周期延拓后首尾不连续。时域上的一次跳变，对应频域上 sinc 形的旁瓣扩散，这就是频谱泄漏。

举个具体例子：采样率 fs=1000 Hz，取 N=1000 个点，信号频率 50.5 Hz。50.5 不是 1 Hz 频率分辨率的整数倍，FFT 的能量必然分散到 50 Hz、51 Hz 及周边多个频点上，峰值读数也因此偏低。反过来，若信号恰好是 50 Hz 整周期截断，频谱就只有一根干净的谱线。所以“泄漏”不是噪声，而是截断方式与信号频率不匹配的必然结果。

二、窗函数：用主瓣换旁瓣

加窗就是在做 FFT 之前先给数据乘一个两端渐变到零的权重，压住首尾跳变。代价是主瓣变宽、频率分辨率下降，换来的是旁瓣大幅压低，弱信号不再被强信号的裙摆淹没。

常用选择可以这样记：矩形窗分辨率最高、旁瓣最差（约 -13 dB），只适合整周期或信噪比极高的场合；汉宁窗（Hann）旁瓣约 -31 dB，是通用折中；布莱克曼窗旁瓣约 -58 dB，适合在强干扰旁边找弱信号，但主瓣最宽；平顶窗（Flattop）幅值精度最好，适合只关心幅值、不关心分辨两个邻近频率的场合。没有“最好”的窗，只有与任务匹配的窗：测两个邻近频率用矩形或汉宁，测弱信号用布莱克曼，标定幅值用平顶窗。

三、补零不是提高分辨率

很多人以为 fft(x, 4*N) 把频率分辨率提高了 4 倍。其实补零只是在频域做插值：它让谱线画得更密、峰值位置读得更准，但并不能把两个原本靠得太近的频率分开。真正的频率分辨率只由观测时长 T=N/fs 决定，约等于 1/T。想分辨 2 Hz 的两个频率，至少需要约 0.5 秒的数据，再怎么补零也变不出来。

但补零并非无用：配合窗函数与抛物线插值，它能把峰值频率的估计误差从半个频点压到百分之几个频点，对测频、标定幅值很有帮助。关键是分清“谱线变密”与“分辨率提高”是两回事。

四、MATLAB 实操：一段可直接跑的代码

fs = 1000; N = 1000; t = (0:N-1)/fs;
x = sin(2*pi*50.5*t) + 0.05*sin(2*pi*120*t); % 50.5 Hz 强信号 + 120 Hz 弱信号
% 矩形窗对照
X_rect = abs(fft(x));
% 汉宁窗 + 4 倍补零
win = hann(N).';
X_hann = abs(fft(x.*win, 4*N));
f = (0:4*N-1)*(fs/(4*N));
plot(f(1:200), 20*log10(X_hann(1:200)+eps));
xlabel('频率 (Hz)'); ylabel('幅值 (dB)');

跑这段代码可以直观对比：矩形窗下 120 Hz 的弱峰会被 50.5 Hz 的旁瓣抬高、甚至淹没；换汉宁窗后弱峰清晰出现，但 50.5 Hz 的主瓣变宽了。这就是工程取舍的现场演示。

五、工程 checklist

做 FFT 之前先问自己四件事：第一，信号是否整周期截断，不是就加窗；第二，任务是分辨频率还是找弱信号还是标定幅值，据此选窗；第三，观测时长够不够分辨目标频率差，不够就加长数据而不是补零；第四，读峰值时是否做了插值或补零修正，否则幅值与频率都会系统性偏低。按这个顺序排查，大多数“频谱不对”的问题在加窗这一步就解决了。

结论：泄漏不是玄学，是截断的数学后果。窗函数用分辨率换动态范围，补零用计算量换读数精度，观测时长才是分辨率的硬约束。理解这三条分工，FFT 频谱就不再是一张需要猜的图。