blocks|key|2707182|text|我希望下面的代码能对你有所帮助。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2707183|L+=+10;
win1+=+hanning(L);
win2+=+triang(L);
nfft+=+64;
S1+=+fft(win1,nfft);
S2+=+fft(win2,nfft);
f+=+1:nfft/2%2B1;
plot(f,10*log10(abs(S1(1:nfft/2%2B1))),'.-',f,10*log10(abs(S2(1:nfft/2%2B1))),'o-');|code-block|syntax|javascript|2707184|注释：|2707185|您可以将win1和win2作为时间序列信号。L是win1或win2的长度。nfft是FFT的长度。如果为L+<+nfft，则函数fft()会将0添加到nfft的其余部分。如果为L+>+nfft，则函数fft()将截取L的长度，使其等于nfft。|offset|length|style|CODE|2707186|entityMap^0|0|0|0|4|4|9|4|M|1|O|4|T|4|11|4|1G|8|1S|5|1Z|1|23|4|2G|8|2S|5|30|1|39|4|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|R|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|S|8|@]|9|@]|A|$]]|$1|I|3|J|5|6|7|T|8|@$K|U|L|V|M|N]|$K|W|L|X|M|N]|$K|Y|L|Z|M|N]|$K|10|L|11|M|N]|$K|12|L|13|M|N]|$K|14|L|15|M|N]|$K|16|L|17|M|N]|$K|18|L|19|M|N]|$K|1A|L|1B|M|N]|$K|1C|L|1D|M|N]|$K|1E|L|1F|M|N]|$K|1G|L|1H|M|N]|$K|1I|L|1J|M|N]|$K|1K|L|1L|M|N]]|9|@]|A|$]]|$1|O|3|-4|5|6|7|1M|8|@]|9|@]|A|$]]]|P|$]]

I hope the following piece of code is helpful to you.

<pre><code>L = 10;
win1 = hanning(L);
win2 = triang(L);
nfft = 64;
S1 = fft(win1,nfft);
S2 = fft(win2,nfft);
f = 1:nfft/2+1;
plot(f,10*log10(abs(S1(1:nfft/2+1))),'.-',f,10*log10(abs(S2(1:nfft/2+1))),'o-');
</code></pre>

Annotation:

You can put <code>win1</code> and <code>win2</code> as Time-series signal. <code>L</code> is the length of <code>win1</code> or <code>win2</code>. <code>nfft</code> is the length of FFT . if <code>L &lt; nfft</code> , then the function <code>fft()</code> will add <code>0</code> to the rest of <code>nfft</code>. If <code>L &gt; nfft</code>, then the function <code>fft()</code> will interception the length of <code>L</code> to equal <code>nfft</code>.

blocks|key|1870934|text|时间步长或样本(Fs)的频率除以馈送给FFT的时间步长(+FFT长度)，得出FFT结果箱的频率步长(最高Fs/2)。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1870935|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|D|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|E|8|@]|9|@]|A|$]]]|C|$]]

The frequency of the time steps or samples (Fs), divided by the number of time steps fed the FFT (the FFT length), gives you the frequency steps of the FFT result bins (up to Fs/2).

blocks|key|190056|text|关于你问题中的1024个“时间步长”，这只是从时域信号中提取的样本数量。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|190057|至于1024个时域样本如何影响FFT，这涉及到用于获得样本的采样频率。|190058|采样频率的选择通常符合Nyquist-Shannon采样定理，该定理基本上规定，如果想要通过FFT解析频率"F“，则必须以高于"2F”的频率对时域信号进行采样。|190059|至于汉恩(汉宁)和三角窗口代码，它们如下：|190060|Hann+window:
for(+i=0;+i<bufLen;+i%2B%2B+)
+++window[i]+=+0.5+*+(+1+-+cos(+2+*+PI+*+i+/+(bufLen-1)+)+)

Triangular+window:
for(+i=0;+i<bufLen;+i%2B%2B+)
+++window[i]+=+2/bufLen+*+(+(bufLen)/2+-+abs(+i-((bufLen-1)/2)+)+)|code-block|syntax|javascript|190061|..。|190062|下图是三角形窗口的频率响应，单位为dB。|190063|​|190064|📷|atomic|offset|length|190065|190066|下图是三角形窗口的频率响应，但现在是线性幅度。|190067|190068|190069|190070|您可以在此处绘制Hann、三角形和许多其他窗口函数：Plot+windows+functions|190071|entityMap|0|IMAGE|mutability|IMMUTABLE|imageUrl|https://ask.qcloudimg.com/http-save/yehe-900000/3f2e13b8995d53054b3b743db1697b3a.jpeg|imageAlt|1|https://ask.qcloudimg.com/http-save/yehe-900000/e8417133e47a564524931f26f891034b.jpeg|2|LINK|MUTABLE|url|https://sooeet.com/math/fast-fourier-calculator.php^0|0|0|0|0|0|0|0|0|0|1|0|0|0|0|0|0|1|1|0|0|Q|M|2|0^^$0|@$1|2|3|4|5|6|7|1L|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|1M|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|1N|8|@]|9|@]|A|$]]|$1|F|3|G|5|6|7|1O|8|@]|9|@]|A|$]]|$1|H|3|I|5|J|7|1P|8|@]|9|@]|A|$K|L]]|$1|M|3|N|5|6|7|1Q|8|@]|9|@]|A|$]]|$1|O|3|P|5|6|7|1R|8|@]|9|@]|A|$]]|$1|Q|3|R|5|6|7|1S|8|@]|9|@]|A|$]]|$1|S|3|T|5|U|7|1T|8|@]|9|@$V|1U|W|1V|1|1W]]|A|$]]|$1|X|3|R|5|6|7|1X|8|@]|9|@]|A|$]]|$1|Y|3|Z|5|6|7|1Y|8|@]|9|@]|A|$]]|$1|10|3|R|5|6|7|1Z|8|@]|9|@]|A|$]]|$1|11|3|T|5|U|7|20|8|@]|9|@$V|21|W|22|1|23]]|A|$]]|$1|12|3|R|5|6|7|24|8|@]|9|@]|A|$]]|$1|13|3|14|5|6|7|25|8|@]|9|@$V|26|W|27|1|28]]|A|$]]|$1|15|3|-4|5|6|7|29|8|@]|9|@]|A|$]]]|16|$17|$5|18|19|1A|A|$1B|1C|1D|-4]]|1E|$5|18|19|1A|A|$1B|1F|1D|-4]]|1G|$5|1H|19|1I|A|$1J|1K]]]]

Regarding the 1024 "time steps" in your question, that is simply the number of samples that are taken from the time-domain signal.

As to how the 1024 time-domain samples influence the FFT, this involves the sampling frequency that was used to obtain the samples.

Sampling frequency is typically chosen to conform with the Nyquist-Shannon sampling theorem, which basically states that you must sample the time-domain signal at a frequency higher than "2F" if you want to resolve a frequency "F" via the FFT.

As for the Hann (Hanning) and Triangular window codes, they are as follows:

<pre><code>Hann window:
for( i=0; i&lt;bufLen; i++ )
 window[i] = 0.5 * ( 1 - cos( 2 * PI * i / (bufLen-1) ) )

Triangular window:
for( i=0; i&lt;bufLen; i++ )
 window[i] = 2/bufLen * ( (bufLen)/2 - abs( i-((bufLen-1)/2) ) )
</code></pre>

...

The plot below is the frequency response of the Triangular window, in dB magnitude.

<img src="https://i.stack.imgur.com/haxGL.jpg" alt="Triangular Window Function dB magnitude">

The plot below is the frequency response of the Triangular window, but now in linear magnitude.

<img src="https://i.stack.imgur.com/a4boW.jpg" alt="Triangular Window Function linear magnitude">

You can plot the Hann, Triangular, and many other window functions here: <a href="https://sooeet.com/math/fast-fourier-calculator.php" rel="nofollow noreferrer">Plot windows functions</a>

I am learning DSP and I couldn't write a code to calculate and plot these figures (just magnitude of Hanning and triangular windows in frequency domain.) Could anyone please help me with the code?

<img src="https://i.stack.imgur.com/fCq1Q.png" alt="window frequency plots">

I've read something related to online FFT, and, for example, they calculate online FFT with 1024 time steps. I don't understand what is 1024 time steps, and what are the influences of time step value to FFT analysis?

Hanning window and online FFT

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正在学习DSP，我不会写代码来计算和绘制这些数字(只是频域中的汉宁和三角窗的大小)。有没有人能帮我写一下代码？​​我读过一些与在线FFT相关的东西，例如，他们用1024个时间步长计算在线FFT。我不明白什么是1024时间步长，时间步长值对FFT分析有什么影响？

问汉宁窗口和在线FFT
EN

回答 3

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问汉宁窗口和在线FFTEN

回答 3

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问汉宁窗口和在线FFT
EN