簡介本資源是一份面向MATLAB初學者與信號處理入門者的實踐型代碼包聚焦頻譜分析核心場景解決時域信號因截斷導致的頻譜泄漏問題。壓縮包僅含1個.m主程序文件FFT_window.m體積精簡至650B專為快速理解漢寧窗加窗原理與FFT實現流程而設計代碼完整覆蓋信號生成、hann()函數加窗、fft()頻譜計算、歸一化幅度譜繪制等關鍵步驟并隱含頻率分辨率計算與窗函數參數影響分析邏輯。已有168人學習下載適合高校通信/電子類課程實驗、課程設計或自學鞏固可直接運行觀察加窗前后頻譜對比效果輔助掌握窗函數選擇依據及頻域分析實操規范。1. 為什么加漢寧窗不是“錦上添花”而是頻譜分析里躲不開的必選項在 MATLAB 中對一段實測振動信號做 FFT直接fft(x)出來的頻譜圖常出現明顯的旁瓣拖尾、主瓣展寬、能量泄露——你看到的峰值頻率可能根本不是真實激勵頻率而是一個被窗函數畸變后的假象。這不是代碼寫錯了而是忽略了信號截斷帶來的固有數學缺陷時域有限長度采樣 時域乘矩形窗 → 頻域卷積 sinc 函數 → 能量向鄰近頻率泄漏。漢寧窗Hanning Window正是為抑制這種泄漏而生的標準工具它讓信號兩端平滑趨零大幅壓低旁瓣約 -31 dB主瓣寬度僅比矩形窗寬一倍兼顧分辨率與泄漏控制。本項目標題中明確包含“頻譜分析加漢寧窗函數”說明這不是教學演示而是面向真實傳感器數據如加速度計、聲壓計、電機電流的工程級處理需求——適用于機械故障診斷、音頻特征提取、通信系統頻譜監測等場景。讀者若正在處理實驗室采集的 .csv/.mat 數據、或嵌入式設備導出的原始時序且發現頻譜峰偏移、多峰模糊、信噪比低那本方案就是你下一步必須落地的標準化預處理環節。2. 從矩形窗到漢寧窗MATLAB 中窗函數選擇的數學依據與實現路徑2.1 為什么矩形窗是“默認陷阱”用頻域卷積直觀理解泄漏本質MATLAB 的fft默認對輸入序列做隱式矩形窗截斷即w(n) 1, n0..N-1。該窗的頻域響應為W(f) sinc(f·N)其主瓣寬度為2/N歸一化頻率第一旁瓣僅比主瓣低 13 dB。當實際信號頻率f?不恰好落在 FFT 頻點k·fs/N上時f?會落入兩個頻點之間導致能量被“攤開”到多個相鄰頻 bin形成虛假的寬峰。這種現象在非整周期截斷的振動信號中尤為突出——例如 50.3 Hz 正弦波用 1024 點、1 kHz 采樣率采集周期數50.3×1024/1000 ≈ 51.5非整數必然泄漏。提示驗證是否發生泄漏可生成x sin(2*pi*50.3*(0:1023)/1000)后執行plot(abs(fft(x)))觀察 50 Hz 和 51 Hz bin 是否同時出現顯著幅值而非單一尖峰。2.2 漢寧窗的構造原理余弦加權實現端點連續性漢寧窗定義為w(n) 0.5 × (1 - cos(2πn/(N-1)))n 0,1,...,N-1。其核心設計思想是在n0和nN-1處cos(0)cos(2π)1→w(0)w(N-1)0強制信號兩端為零中間部分呈平滑拋物線過渡避免矩形窗的階躍不連續頻域主瓣寬度為4/N比矩形窗寬 2 倍但第一旁瓣衰減達 -31.5 dB遠優于矩形窗的 -13 dB。該窗屬于“升余弦類窗”在 MATLAB 中通過hann(N)生成注意hann函數實現的是0.5*(1-cos(2*pi*n/(N-1)))與經典漢寧窗完全一致而hanning是舊版函數名已棄用。2.3 MATLAB 中窗函數的三類調用方式及適用場景對比調用方式示例命令適用場景關鍵參數說明直接生成窗序列w hann(1024); x_win x .* w;需手動控制窗應用時機如疊加去噪、分段處理hann(N)返回 N 點列向量hann(N,periodic)用于 DFT 周期延拓避免末點突變FFT 前自動加窗spectrum pwelch(x,hann(1024),[],[],fs);功率譜密度估計內置重疊、平均機制第二參數為窗[]表示默認重疊 50%fs為采樣率輸出直接為物理頻率橫軸Signal Processing Toolbox 高級接口win digitalFilter(FIR,Window,hann(64));濾波器設計、實時流處理需配合filter或dsp.FIRFilter使用適合嵌入式部署前仿真注意pwelch是工程首選——它不僅加窗還通過分段平均抑制隨機噪聲結果更穩定。而手動fft(x.*w)僅適用于單次頻譜快照分析。3. 完整可復現的頻譜分析流程從原始數據加載到漢寧窗優化的 MATLAB 腳本3.1 加載實測數據并驗證基本屬性假設你手頭有一段.csv格式的振動傳感器數據時間列 幅值列或.mat文件中的變量signal和fs% 方式1加載 CSV含表頭 data readmatrix(vibration_data.csv); % 默認讀取全部數值列 t data(:,1); % 時間列秒 x data(:,2); % 信號幅值m/s2 或 V fs round(1/mean(diff(t))); % 從時間間隔估算采樣率 % 方式2加載 MAT 文件推薦含元數據 load(sensor_data.mat); % 假設含變量 x 和 fs N length(x); % 驗證采樣率合理性 fprintf(采樣點數: %d, 采樣率: %.0f Hz, 時長: %.2f s\n, N, fs, N/fs);邏輯說明readmatrix比csvread更健壯能處理帶表頭的 CSVfs必須精確——FFT 頻率軸f (0:N-1)*fs/N直接依賴它N/fs給出信號總時長決定最低可分辨頻率fs/N頻率分辨率。3.2 應用漢寧窗并執行 FFT 的最小可行代碼% 步驟1選擇窗長通常取 2 的冪便于 FFT 效率 N_fft 2^nextpow2(N); % 例N1000 → N_fft1024 w hann(N_fft, periodic); % 使用 periodic 模式適配 DFT 周期假設 % 步驟2補零并加窗注意補零在加窗前 x_padded zeros(N_fft, 1); x_padded(1:N) x; % 將原始信號填入前 N 位 x_win x_padded .* w; % 點乘加窗 % 步驟3執行 FFT 并計算單邊幅值譜 X fft(x_win); X_mag abs(X)/N_fft; % 歸一化幅值能量守恒要求除以 N_fft X_mag X_mag(1:N_fft/21); % 取單邊譜0 到 fs/2 f (0:N_fft/2)*fs/N_fft; % 對應頻率軸 % 步驟4繪圖 figure; plot(f, 2*X_mag); % 乘2恢復單邊譜幅值除直流和 Nyquist 外 xlabel(Frequency (Hz)); ylabel(Amplitude (V or m/s^2)); title(Hanning Windowed FFT Spectrum); grid on;參數說明hann(N_fft, periodic)periodic模式生成N_fft點窗使w(1)w(N_fft)滿足 DFT 周期延拓假設避免hann(N_fft)產生的w(N_fft)0造成末點突變X_mag abs(X)/N_fftFFT 幅值需除以總點數N_fft才具物理量綱如 V2*X_mag因fft輸出雙邊譜單邊譜需將非直流/非奈奎斯特點幅值翻倍X_mag(1)直流、X_mag(end)奈奎斯特點不乘2f計算確保橫軸為真實物理頻率Hz而非歸一化數字頻率。3.3 使用 pwelch 進行魯棒功率譜估計推薦工業場景% 參數設置窗長、重疊、FFT 點數 window_len 1024; % 每段窗長 noverlap window_len/2; % 50% 重疊 nfft 1024; % FFT 點數可大于 window_len 實現插值 fs 1000; % 采樣率Hz % 調用 pwelch自動加窗、分段、平均 [pxx, f] pwelch(x, hann(window_len), noverlap, nfft, fs); % 繪制功率譜密度PSD figure; loglog(f, pxx); % 對數坐標更易觀察動態范圍 xlabel(Frequency (Hz)); ylabel(Power/Frequency (dB/Hz)); title(PSD Estimate using Welch Method with Hanning Window); grid on; % 提取主頻峰值示例 [~, idx_max] max(pxx); f_dominant f(idx_max); fprintf(主導頻率: %.2f Hz\n, f_dominant);邏輯說明pwelch將信號分為floor((N-noverlap)/(window_len-noverlap))段每段加漢寧窗后 FFT再對各段功率譜求平均——這顯著降低隨機噪聲影響使譜線更平滑、峰值更可信。loglog繪圖適合寬頻帶如 1–10000 Hz分析dB/Hz單位符合 ISO 10816 振動標準。4. 漢寧窗參數調優與常見失效場景排查4.1 窗長選擇分辨率 vs 泄漏抑制的定量權衡窗長N_w直接決定兩項關鍵指標頻率分辨率Δf fs / N_wHz越長分辨率越高可區分相近頻率如 50 Hz 與 50.5 Hz主瓣寬度漢寧窗主瓣寬4·fs/N_w過短導致主瓣展寬掩蓋鄰近峰值時頻局部性過長窗會模糊瞬態事件如沖擊需結合信號特性選擇。典型經驗值50/60 Hz 工頻系統N_w ≥ 4096fs10 kHz時Δf≈2.4 Hz音頻分析20–20 kHzN_w 2048fs44.1 kHz時Δf≈21.5 Hz高頻軸承故障5 kHzN_w 1024fs20 kHz時Δf≈19.5 Hz足夠捕獲沖擊諧波。驗證方法對合成信號x sin(2*pi*100*t) 0.5*sin(2*pi*105*t)分別用N_w512和N_w4096做pwelch觀察 100/105 Hz 雙峰是否可分離。4.2 識別并修復三大典型加窗錯誤錯誤類型表現診斷命令修復方案窗長 ≠ 信號長且未補零頻譜出現高頻雜散、幅值失真size(x)size(w)返回0顯式補零x_padded [x; zeros(N_w-length(x),1)]使用hanning(N)而非hann(N)MATLAB 報錯hanning has been removedwhich hanning改用hann(N)hanning自 R2017a 起廢棄加窗后未歸一化幅值峰值幅值隨窗長變化無法橫向比較max(abs(fft(x.*hann(1024))))vsmax(abs(fft(x.*hann(2048))))統一除以N_fft或使用pwelch內置歸一化提示用freqz(hann(64))可可視化窗的頻響——觀察旁瓣衰減是否達 -30 dB 以下確認窗函數生效。4.3 漢寧窗與其他窗函數的工程選型對照表窗函數主瓣寬度bin最大旁瓣dB適用場景MATLAB 函數矩形窗2-13理論分析、脈沖響應測量需高分辨率rectwin(N)漢寧窗4-31通用頻譜分析、振動診斷、音頻基頻檢測hann(N)海明窗4-42要求更高旁瓣抑制如通信信號分離hamming(N)布萊克曼窗6-58極低旁瓣需求如精密濾波器設計blackman(N)凱塞窗可調β 參數可調β↑→旁瓣↓自適應場景β0→矩形窗β5→近似海明窗kaiser(N,beta)選擇原則優先hann若旁瓣干擾嚴重如弱信號淹沒在強諧波旁瓣下換hamming若需極致旁瓣抑制且容忍主瓣展寬選blackmankaiser用于算法自動調參。5. 將漢寧窗頻譜分析嵌入實際工作流從 MATLAB 腳本到可部署模塊5.1 導出頻譜特征用于機器學習故障診斷振動頻譜中蘊含豐富故障信息可提取量化特征輸入分類模型% 對單段信號提取 10 維頻譜特征 function features extract_spectrum_features(x, fs) N_w 2048; [pxx, f] pwelch(x, hann(N_w), N_w/2, N_w, fs); % 特征1主導頻率幅值最大處 [~, idx_max] max(pxx); features(1) f(idx_max); % 特征20–1000 Hz 頻帶能量占比 idx_band f 1000; features(2) sum(pxx(idx_band)) / sum(pxx); % 特征3諧波比2×f1 / f1 幅值 f1 features(1); idx_f1 find(abs(f-f1)min(abs(f-f1)), 1); idx_2f1 find(abs(f-2*f1)min(abs(f-2*f1)), 1); features(3) pxx(idx_2f1) / (pxx(idx_f1) eps); % 特征4–10各頻帶 RMS示例10 個等寬頻帶 n_bands 10; band_width fs/2 / n_bands; for k 1:n_bands idx_band (f (k-1)*band_width) (f k*band_width); features(3k) sqrt(mean(pxx(idx_band).^2)); end end % 調用示例 x_sample x(1:2048); % 取一段 features extract_spectrum_features(x_sample, fs); fprintf(提取特征維數: %d, 主導頻率: %.1f Hz\n, length(features), features(1));邏輯說明eps防止除零sqrt(mean(...))計算頻帶 RMS比單純幅值更能反映能量此函數可封裝為.m文件被trainNetwork或fitcsvm直接調用。5.2 生成符合 ISO 20816 標準的振動評估報告工業現場常需按國際標準判斷設備健康狀態。以 ISO 20816-1往復機械為例需計算 10–1000 Hz 頻帶 RMS 速度值% 計算通頻帶振動速度有效值mm/s RMS function v_rms calculate_vibration_rms(x, fs) % 步驟1加速度信號積分得速度頻域積分 N length(x); X fft(x); f (0:N-1)*fs/N; % 避免 f0 處除零設 f(1)1e-6 f(1) 1e-6; V X ./ (1i * 2*pi * f); % 積分除以 jω v_time ifft(V); % 步驟2加漢寧窗并計算 10–1000 Hz 帶通 RMS w hann(N, periodic); v_win v_time .* w; V_win fft(v_win); f_v (0:N-1)*fs/N; idx_band (f_v 10) (f_v 1000); v_rms sqrt(mean(abs(V_win(idx_band)).^2) * 2 / N); % 單邊譜校正 end % 調用并查表 v_rms_mm calculate_vibration_rms(x, fs) * 1000; % 轉 mm/s fprintf(10–1000 Hz 振動速度 RMS: %.3f mm/s\n, v_rms_mm); % 查 ISO 20816-1 表格v_rms_mm 2.8 → 區域 A新交付設備良好參數說明頻域積分比時域數值積分更抗噪*1000將 m/s 轉 mm/sISO 標準閾值需根據設備類型查對應表格此處僅示例計算邏輯。5.3 一鍵生成可分享的交互式頻譜圖HTML 報告利用 MATLAB 的exportgraphics和publish生成免 MATLAB 運行的 HTML%% 生成交互式報告 % 在腳本開頭添加 publish 配置 %% 頻譜分析報告 % htmlh2振動信號頻譜分析報告/h2/html % % 采樣率fs Hz信號長度N 點分析頻段0–fs/2 Hz。 % % matlab % [pxx, f] pwelch(x, hann(2048), 1024, 2048, fs); % figure(Name,Interactive Spectrum); % plot(f, 10*log10(pxx)); grid on; % xlabel(Frequency (Hz)); ylabel(PSD (dB/Hz)); % % % htmlpb結論/b主導頻率 f_dominant Hz符合軸承外圈故障特征頻率。/p/html % 執行發布 publish(spectrum_report.m, html);運行后生成spectrum_report.html內嵌可縮放圖表支持離線查看——適合發給產線工程師或客戶無需對方安裝 MATLAB。本文還有配套的精品資源點擊獲取 MATLAB頻譜分析必用漢寧窗：原理、實現與工程調優
簡介本資源是一份面向MATLAB初學者與信號處理入門者的實踐型代碼包聚焦頻譜分析核心場景解決時域信號因截斷導致的頻譜泄漏問題。壓縮包僅含1個.m主程序文件FFT_window.m體積精簡至650B專為快速理解漢寧窗加窗原理與FFT實現流程而設計代碼完整覆蓋信號生成、hann()函數加窗、fft()頻譜計算、歸一化幅度譜繪制等關鍵步驟并隱含頻率分辨率計算與窗函數參數影響分析邏輯。已有168人學習下載適合高校通信/電子類課程實驗、課程設計或自學鞏固可直接運行觀察加窗前后頻譜對比效果輔助掌握窗函數選擇依據及頻域分析實操規范。1. 為什么加漢寧窗不是“錦上添花”而是頻譜分析里躲不開的必選項在 MATLAB 中對一段實測振動信號做 FFT直接fft(x)出來的頻譜圖常出現明顯的旁瓣拖尾、主瓣展寬、能量泄露——你看到的峰值頻率可能根本不是真實激勵頻率而是一個被窗函數畸變后的假象。這不是代碼寫錯了而是忽略了信號截斷帶來的固有數學缺陷時域有限長度采樣 時域乘矩形窗 → 頻域卷積 sinc 函數 → 能量向鄰近頻率泄漏。漢寧窗Hanning Window正是為抑制這種泄漏而生的標準工具它讓信號兩端平滑趨零大幅壓低旁瓣約 -31 dB主瓣寬度僅比矩形窗寬一倍兼顧分辨率與泄漏控制。本項目標題中明確包含“頻譜分析加漢寧窗函數”說明這不是教學演示而是面向真實傳感器數據如加速度計、聲壓計、電機電流的工程級處理需求——適用于機械故障診斷、音頻特征提取、通信系統頻譜監測等場景。讀者若正在處理實驗室采集的 .csv/.mat 數據、或嵌入式設備導出的原始時序且發現頻譜峰偏移、多峰模糊、信噪比低那本方案就是你下一步必須落地的標準化預處理環節。2. 從矩形窗到漢寧窗MATLAB 中窗函數選擇的數學依據與實現路徑2.1 為什么矩形窗是“默認陷阱”用頻域卷積直觀理解泄漏本質MATLAB 的fft默認對輸入序列做隱式矩形窗截斷即w(n) 1, n0..N-1。該窗的頻域響應為W(f) sinc(f·N)其主瓣寬度為2/N歸一化頻率第一旁瓣僅比主瓣低 13 dB。當實際信號頻率f?不恰好落在 FFT 頻點k·fs/N上時f?會落入兩個頻點之間導致能量被“攤開”到多個相鄰頻 bin形成虛假的寬峰。這種現象在非整周期截斷的振動信號中尤為突出——例如 50.3 Hz 正弦波用 1024 點、1 kHz 采樣率采集周期數50.3×1024/1000 ≈ 51.5非整數必然泄漏。提示驗證是否發生泄漏可生成x sin(2*pi*50.3*(0:1023)/1000)后執行plot(abs(fft(x)))觀察 50 Hz 和 51 Hz bin 是否同時出現顯著幅值而非單一尖峰。2.2 漢寧窗的構造原理余弦加權實現端點連續性漢寧窗定義為w(n) 0.5 × (1 - cos(2πn/(N-1)))n 0,1,...,N-1。其核心設計思想是在n0和nN-1處cos(0)cos(2π)1→w(0)w(N-1)0強制信號兩端為零中間部分呈平滑拋物線過渡避免矩形窗的階躍不連續頻域主瓣寬度為4/N比矩形窗寬 2 倍但第一旁瓣衰減達 -31.5 dB遠優于矩形窗的 -13 dB。該窗屬于“升余弦類窗”在 MATLAB 中通過hann(N)生成注意hann函數實現的是0.5*(1-cos(2*pi*n/(N-1)))與經典漢寧窗完全一致而hanning是舊版函數名已棄用。2.3 MATLAB 中窗函數的三類調用方式及適用場景對比調用方式示例命令適用場景關鍵參數說明直接生成窗序列w hann(1024); x_win x .* w;需手動控制窗應用時機如疊加去噪、分段處理hann(N)返回 N 點列向量hann(N,periodic)用于 DFT 周期延拓避免末點突變FFT 前自動加窗spectrum pwelch(x,hann(1024),[],[],fs);功率譜密度估計內置重疊、平均機制第二參數為窗[]表示默認重疊 50%fs為采樣率輸出直接為物理頻率橫軸Signal Processing Toolbox 高級接口win digitalFilter(FIR,Window,hann(64));濾波器設計、實時流處理需配合filter或dsp.FIRFilter使用適合嵌入式部署前仿真注意pwelch是工程首選——它不僅加窗還通過分段平均抑制隨機噪聲結果更穩定。而手動fft(x.*w)僅適用于單次頻譜快照分析。3. 完整可復現的頻譜分析流程從原始數據加載到漢寧窗優化的 MATLAB 腳本3.1 加載實測數據并驗證基本屬性假設你手頭有一段.csv格式的振動傳感器數據時間列 幅值列或.mat文件中的變量signal和fs% 方式1加載 CSV含表頭 data readmatrix(vibration_data.csv); % 默認讀取全部數值列 t data(:,1); % 時間列秒 x data(:,2); % 信號幅值m/s2 或 V fs round(1/mean(diff(t))); % 從時間間隔估算采樣率 % 方式2加載 MAT 文件推薦含元數據 load(sensor_data.mat); % 假設含變量 x 和 fs N length(x); % 驗證采樣率合理性 fprintf(采樣點數: %d, 采樣率: %.0f Hz, 時長: %.2f s\n, N, fs, N/fs);邏輯說明readmatrix比csvread更健壯能處理帶表頭的 CSVfs必須精確——FFT 頻率軸f (0:N-1)*fs/N直接依賴它N/fs給出信號總時長決定最低可分辨頻率fs/N頻率分辨率。3.2 應用漢寧窗并執行 FFT 的最小可行代碼% 步驟1選擇窗長通常取 2 的冪便于 FFT 效率 N_fft 2^nextpow2(N); % 例N1000 → N_fft1024 w hann(N_fft, periodic); % 使用 periodic 模式適配 DFT 周期假設 % 步驟2補零并加窗注意補零在加窗前 x_padded zeros(N_fft, 1); x_padded(1:N) x; % 將原始信號填入前 N 位 x_win x_padded .* w; % 點乘加窗 % 步驟3執行 FFT 并計算單邊幅值譜 X fft(x_win); X_mag abs(X)/N_fft; % 歸一化幅值能量守恒要求除以 N_fft X_mag X_mag(1:N_fft/21); % 取單邊譜0 到 fs/2 f (0:N_fft/2)*fs/N_fft; % 對應頻率軸 % 步驟4繪圖 figure; plot(f, 2*X_mag); % 乘2恢復單邊譜幅值除直流和 Nyquist 外 xlabel(Frequency (Hz)); ylabel(Amplitude (V or m/s^2)); title(Hanning Windowed FFT Spectrum); grid on;參數說明hann(N_fft, periodic)periodic模式生成N_fft點窗使w(1)w(N_fft)滿足 DFT 周期延拓假設避免hann(N_fft)產生的w(N_fft)0造成末點突變X_mag abs(X)/N_fftFFT 幅值需除以總點數N_fft才具物理量綱如 V2*X_mag因fft輸出雙邊譜單邊譜需將非直流/非奈奎斯特點幅值翻倍X_mag(1)直流、X_mag(end)奈奎斯特點不乘2f計算確保橫軸為真實物理頻率Hz而非歸一化數字頻率。3.3 使用 pwelch 進行魯棒功率譜估計推薦工業場景% 參數設置窗長、重疊、FFT 點數 window_len 1024; % 每段窗長 noverlap window_len/2; % 50% 重疊 nfft 1024; % FFT 點數可大于 window_len 實現插值 fs 1000; % 采樣率Hz % 調用 pwelch自動加窗、分段、平均 [pxx, f] pwelch(x, hann(window_len), noverlap, nfft, fs); % 繪制功率譜密度PSD figure; loglog(f, pxx); % 對數坐標更易觀察動態范圍 xlabel(Frequency (Hz)); ylabel(Power/Frequency (dB/Hz)); title(PSD Estimate using Welch Method with Hanning Window); grid on; % 提取主頻峰值示例 [~, idx_max] max(pxx); f_dominant f(idx_max); fprintf(主導頻率: %.2f Hz\n, f_dominant);邏輯說明pwelch將信號分為floor((N-noverlap)/(window_len-noverlap))段每段加漢寧窗后 FFT再對各段功率譜求平均——這顯著降低隨機噪聲影響使譜線更平滑、峰值更可信。loglog繪圖適合寬頻帶如 1–10000 Hz分析dB/Hz單位符合 ISO 10816 振動標準。4. 漢寧窗參數調優與常見失效場景排查4.1 窗長選擇分辨率 vs 泄漏抑制的定量權衡窗長N_w直接決定兩項關鍵指標頻率分辨率Δf fs / N_wHz越長分辨率越高可區分相近頻率如 50 Hz 與 50.5 Hz主瓣寬度漢寧窗主瓣寬4·fs/N_w過短導致主瓣展寬掩蓋鄰近峰值時頻局部性過長窗會模糊瞬態事件如沖擊需結合信號特性選擇。典型經驗值50/60 Hz 工頻系統N_w ≥ 4096fs10 kHz時Δf≈2.4 Hz音頻分析20–20 kHzN_w 2048fs44.1 kHz時Δf≈21.5 Hz高頻軸承故障5 kHzN_w 1024fs20 kHz時Δf≈19.5 Hz足夠捕獲沖擊諧波。驗證方法對合成信號x sin(2*pi*100*t) 0.5*sin(2*pi*105*t)分別用N_w512和N_w4096做pwelch觀察 100/105 Hz 雙峰是否可分離。4.2 識別并修復三大典型加窗錯誤錯誤類型表現診斷命令修復方案窗長 ≠ 信號長且未補零頻譜出現高頻雜散、幅值失真size(x)size(w)返回0顯式補零x_padded [x; zeros(N_w-length(x),1)]使用hanning(N)而非hann(N)MATLAB 報錯hanning has been removedwhich hanning改用hann(N)hanning自 R2017a 起廢棄加窗后未歸一化幅值峰值幅值隨窗長變化無法橫向比較max(abs(fft(x.*hann(1024))))vsmax(abs(fft(x.*hann(2048))))統一除以N_fft或使用pwelch內置歸一化提示用freqz(hann(64))可可視化窗的頻響——觀察旁瓣衰減是否達 -30 dB 以下確認窗函數生效。4.3 漢寧窗與其他窗函數的工程選型對照表窗函數主瓣寬度bin最大旁瓣dB適用場景MATLAB 函數矩形窗2-13理論分析、脈沖響應測量需高分辨率rectwin(N)漢寧窗4-31通用頻譜分析、振動診斷、音頻基頻檢測hann(N)海明窗4-42要求更高旁瓣抑制如通信信號分離hamming(N)布萊克曼窗6-58極低旁瓣需求如精密濾波器設計blackman(N)凱塞窗可調β 參數可調β↑→旁瓣↓自適應場景β0→矩形窗β5→近似海明窗kaiser(N,beta)選擇原則優先hann若旁瓣干擾嚴重如弱信號淹沒在強諧波旁瓣下換hamming若需極致旁瓣抑制且容忍主瓣展寬選blackmankaiser用于算法自動調參。5. 將漢寧窗頻譜分析嵌入實際工作流從 MATLAB 腳本到可部署模塊5.1 導出頻譜特征用于機器學習故障診斷振動頻譜中蘊含豐富故障信息可提取量化特征輸入分類模型% 對單段信號提取 10 維頻譜特征 function features extract_spectrum_features(x, fs) N_w 2048; [pxx, f] pwelch(x, hann(N_w), N_w/2, N_w, fs); % 特征1主導頻率幅值最大處 [~, idx_max] max(pxx); features(1) f(idx_max); % 特征20–1000 Hz 頻帶能量占比 idx_band f 1000; features(2) sum(pxx(idx_band)) / sum(pxx); % 特征3諧波比2×f1 / f1 幅值 f1 features(1); idx_f1 find(abs(f-f1)min(abs(f-f1)), 1); idx_2f1 find(abs(f-2*f1)min(abs(f-2*f1)), 1); features(3) pxx(idx_2f1) / (pxx(idx_f1) eps); % 特征4–10各頻帶 RMS示例10 個等寬頻帶 n_bands 10; band_width fs/2 / n_bands; for k 1:n_bands idx_band (f (k-1)*band_width) (f k*band_width); features(3k) sqrt(mean(pxx(idx_band).^2)); end end % 調用示例 x_sample x(1:2048); % 取一段 features extract_spectrum_features(x_sample, fs); fprintf(提取特征維數: %d, 主導頻率: %.1f Hz\n, length(features), features(1));邏輯說明eps防止除零sqrt(mean(...))計算頻帶 RMS比單純幅值更能反映能量此函數可封裝為.m文件被trainNetwork或fitcsvm直接調用。5.2 生成符合 ISO 20816 標準的振動評估報告工業現場常需按國際標準判斷設備健康狀態。以 ISO 20816-1往復機械為例需計算 10–1000 Hz 頻帶 RMS 速度值% 計算通頻帶振動速度有效值mm/s RMS function v_rms calculate_vibration_rms(x, fs) % 步驟1加速度信號積分得速度頻域積分 N length(x); X fft(x); f (0:N-1)*fs/N; % 避免 f0 處除零設 f(1)1e-6 f(1) 1e-6; V X ./ (1i * 2*pi * f); % 積分除以 jω v_time ifft(V); % 步驟2加漢寧窗并計算 10–1000 Hz 帶通 RMS w hann(N, periodic); v_win v_time .* w; V_win fft(v_win); f_v (0:N-1)*fs/N; idx_band (f_v 10) (f_v 1000); v_rms sqrt(mean(abs(V_win(idx_band)).^2) * 2 / N); % 單邊譜校正 end % 調用并查表 v_rms_mm calculate_vibration_rms(x, fs) * 1000; % 轉 mm/s fprintf(10–1000 Hz 振動速度 RMS: %.3f mm/s\n, v_rms_mm); % 查 ISO 20816-1 表格v_rms_mm 2.8 → 區域 A新交付設備良好參數說明頻域積分比時域數值積分更抗噪*1000將 m/s 轉 mm/sISO 標準閾值需根據設備類型查對應表格此處僅示例計算邏輯。5.3 一鍵生成可分享的交互式頻譜圖HTML 報告利用 MATLAB 的exportgraphics和publish生成免 MATLAB 運行的 HTML%% 生成交互式報告 % 在腳本開頭添加 publish 配置 %% 頻譜分析報告 % htmlh2振動信號頻譜分析報告/h2/html % % 采樣率fs Hz信號長度N 點分析頻段0–fs/2 Hz。 % % matlab % [pxx, f] pwelch(x, hann(2048), 1024, 2048, fs); % figure(Name,Interactive Spectrum); % plot(f, 10*log10(pxx)); grid on; % xlabel(Frequency (Hz)); ylabel(PSD (dB/Hz)); % % % htmlpb結論/b主導頻率 f_dominant Hz符合軸承外圈故障特征頻率。/p/html % 執行發布 publish(spectrum_report.m, html);運行后生成spectrum_report.html內嵌可縮放圖表支持離線查看——適合發給產線工程師或客戶無需對方安裝 MATLAB。本文還有配套的精品資源點擊獲取