hanning窗？hamming窗？如何理解语音信号处理中时间窗的作用

参考：如何理解FFT中时间窗与RBW的关系 - 知乎 - 如何理解FFT中时间窗与RBW的关系

hanmming窗和hamming窗的作用_西檬饭-优快云博客_hamming - hanning窗和hamming窗的作用

FFT（fast Fourier transform）- 快速傅立叶变换

RBW(Resolution Bandwidth) - 分辨率带宽

        在声源定位的学习过程中，接触到了时间窗这一概念。在声源定位方法——广义互相关-相位变换方法（Generalized Cross Correlation PHAse Transformation，GCC-PHAT）中，涉及FFT变换。

        FFT变换是在一定假设下完成的，即认为被处理的信号是周期性的。如果对Frame 1作FFT运算，则会对其进行周期扩展。由于采用矩形窗口且待 FFT 分析的信号时长不是信号周期的整数倍，在周期扩展的时候 ，产生额外的频率成分，该现象称为频谱泄露。频谱泄露会扰乱测试，尤其在观测小信号时，较强的频谱泄露成分可能淹没比较微弱的信号。

上图给出了一正弦信号的采集样点波形，展示了频谱泄露的产生过程。

如何避免或者降低频谱泄露呢？这就需要使用下文介绍的时间窗 (Window) 技术。

        在FFT之前，时间窗与波形相乘，两边的数据信息都被抑制为0，可以保证样点的连续性。两边的数据信息丢失了，所以等会移窗的时候，可以移1/3或1/2窗，这样被前一帧或二帧丢失的数据又重新得到了体现。

        我接触的例程则更加简单粗暴，其使用矩形窗以后，直接舍弃了最后一段不满一帧的数据，也避免了频谱泄露的问题。