企业官网建设流程全解析

搞信号处理这一行，MATLAB里的短时傅里叶变换（STFT）是绕不开的工具。很多朋友一开始只学FFT，拿一段数据直接做变换，看幅度谱，觉得挺顺。可一旦碰到语音、振动、电机电流这类非平稳信号，频率随时间一直在变，整体FFT做出来的只是一锅平均过的“大杂烩”，看不到频率什么时候出现、什么时候消失。这时候就要把傅里叶变换从“全局视角”改成“局部扫描视角”，也就是短时傅里叶变换。这篇文章我把STFT的核心原理、MATLAB内置函数的使用方式、三个关键参数的取舍逻辑，以及我实际调试时踩过的坑，一次性讲清楚，代码也直接能跑。

1. 先想明白：STFT到底解决了什么问题

1.1 传统傅里叶变换的“平稳假设”陷阱

先从最朴素的场景说起。给定一段离散信号，你用FFT能得到它的频谱，比如100 Hz和300 Hz两个峰值，很漂亮。但问题是，这个频谱里没有时间坐标。你只知道信号里有这两个频率成分，却不知道它们在哪个时间段出现。对一段平稳信号来说无所谓，因为整段信号从头到尾频率结构都差不多；可对语音、刹车声、轴承故障振动这类信号，频率成分的出现时间和先后顺序恰恰是最关键的信息。

比如一段语音，前0.5秒是低沉的“呃”，后0.5秒变成尖锐的“啊”。如果直接把整段做FFT，低频和高频信息被混在同一张频谱里，你只能看到“这段声音有低频也有高频”，完全无法判断它们的时间顺序。更麻烦的是，如果这段信号里有一个转瞬即逝的冲击脉冲，整体FFT会把它的能量摊平到整个频率轴上，看起来像一层薄薄的“噪声底”，很难识别。

所以问题的本质是：标准傅里叶变换把信号当作无限长、平稳的序列来处理。但现实工程里的信号几乎都是非平稳的，频率结构随时间变化。于是我们需要一种带有时间定位能力的频谱分析手段。

1.2 用“窗口”把非平稳问题拆成局部平稳问题

STFT的思路很朴素：既然整段信号不稳定，那我就把它切成很多小段，每一段很短，短到可以认为在段内近似平稳。再把每一段分别做FFT，得到这一小段时间内的频谱。最后把各段的频谱按时间顺序排列起来，就得到一张“时间-频率-幅度”三位一体的二维图谱。

这个“切段”动作，在数学上相当于乘上一个随时间平移的窗函数。用公式表达就是：

[ X(t, f) = \int_{-\infty}^{+\infty} x(\tau) w(\tau - t) e^{-j2\pi f\tau} d\tau ]

其中 ( w(\tau - t) ) 是窗函数，它只在 ( t ) 附近一小段范围内有显著值，其余位置接近零。因此，计算某时刻 ( t ) 的频谱时，只有窗口覆盖范围内的信号参与计算。窗函数随 ( t ) 移动，就完成了对整个时间轴的扫描。

工程上的离散实现可以写成：

[ X(m, k) = \sum_{n=0}^{N-1} x[n + mH] w[n] e^{-j2\pi k n / N} ]

其中 ( N ) 是窗长，( H ) 是窗口移动的步长，也就是相邻两个窗之间的采样点偏移。最简单的实现方式是让窗口逐帧移动，比如每次移动 ( N/4 ) 个点，即重叠75%。

把它当作生活里的类比就是：传统FFT像给整条河拍一张全景照片，你只能看到河面上都有哪些漂浮物；STFT像拿一个探照灯沿着河岸扫，每扫过一段就拍一张局部照片，最后拼接起来，你不仅知道河里有漂浮物，还能知道它们在哪一段河面出现。

2. MATLAB里的三种实现路线

2.1 spectrogram、stft 和手写循环，怎么选

MATLAB里做STFT，最常见的三条路：直接用spectrogram函数，用较新的stft函数，或者自己写循环逐帧做FFT。三者底层逻辑相同，但使用场景和返回数据的组织方式有区别。

spectrogram是Signal Processing Toolbox里的老牌函数，返回时间、频率和谱值三个数组，同时自带绘图功能，一行代码就能出图。它的优势是方便观察，适合先看整体趋势，再做后续分析。如果你只需要图谱本身，不关心绘制细节，可以取输出的S矩阵，自己控制显示方式。

stft函数是MATLAB后来新增的接口，返回形式更规整，矩阵的行是频率，列是时间帧。它和spectrogram的计算结果本质一致，但参数命名更清晰，也更容易配合istft做逆变换。需要做信号重构、消噪、滤波等后续处理时，我习惯用stft。

手写循环的价值在于让你彻底理解内部原理。教学时特别推荐写一遍，因为只有自己处理过边界补零、重叠索引、窗函数归一化，才能真正明白spectrogram那些参数在背后做了什么。

2.2 手写一个最简STFT，加深算法理解

我建议所有人都先写一版最简单的循环实现，比如下面这样：

fs = 1000; t = (0:fs*0.5-1)/fs; x = chirp(t, 10, 0.5, 200, 'linear'); win = hamming(128); N = length(win); hop = 64; L = length(x); num_frames = floor((L - N) / hop) + 1; S = zeros(N/2, num_frames); center_times = zeros(1, num_frames); for m = 1:num_frames start_idx = (m-1)*hop + 1; seg = x(start_idx : start_idx + N - 1) .* win; spec = fft(seg, N); S(:, m) = abs(spec(1:N/2)); center_times(m) = (start_idx + N/2 - 1) / fs; end freqs = (0:N/2-1) * fs / N; imagesc(center_times, freqs, 20*log10(S + eps)); axis xy; xlabel('Time (s)'); ylabel('Frequency (Hz)');

这段代码里几个细节值得琢磨：hop=64表示每帧移动64个采样点，等于窗长的一半，重叠率50%。fft(seg, N)里的N表示做N点FFT，如果传入的信号段长度正好也是N，那这就是普通FFT。spec(1:N/2)取单边谱的前半段，因为实信号的FFT结果具有共轭对称性。

跑一下这段代码，你会看到chirp信号在时频图上呈现从10 Hz扫到200 Hz的斜线，非常直观。这套手写逻辑虽然简单，但已经把STFT的核心流程走了一遍：分帧、加窗、FFT、取幅度、拼矩阵。

2.3 用内置stft函数快速实现

理解原理之后，工程上还是推荐用内置函数。下面这段代码演示了stft的基本用法：

fs = 2000; t = (0:1/fs:1-1/fs)'; x = sin(2*pi*50*t) + sin(2*pi*400*t); win = hann(256, 'periodic'); [S, F, T] = stft(x, fs, ... 'Window', win, ... 'OverlapLength', 192, ... 'FFTLength', 512); figure; imagesc(T, F, 20*log10(abs(S)+eps)); axis xy; xlabel('Time (s)'); ylabel('Frequency (Hz)'); title('STFT结果'); colorbar;

这里窗口长256，重叠192，重叠率75%，FFT长度取512。FFTLength大于窗长时，相当于在窗口数据后面补零，再做512点FFT。补零不会提升真实频率分辨率，只会让频谱曲线看起来更平滑，这个后面详细解释。

stft返回的S是复矩阵，行数由FFTLength/2+1决定，列数由输入信号长度、窗长和重叠长度共同决定。如果你需要看功率谱，用abs(S).^2；如果要转成dB，用20*log10(abs(S))。注意幅度和功率的换算不要搞混，很多人在这里吃亏。

3. 三个关键参数背后的分辨率取舍

3.1 窗长N决定了频率分辨率和时间分辨率的此消彼长

STFT里最重要的参数是窗长N，它直接决定时间分辨率和频率分辨率。假设采样率是fs，窗长对应的物理时长是N/fs秒。窗越长，频域主瓣越窄，频率分辨率越好；但窗越长，窗口覆盖的时间范围也越大，时间定位就越模糊。

频率分辨率可以粗略按下式估算：

[ \Delta f \approx \frac{fs}{N} ]

比如fs=1000 Hz，窗长N=100，频率分辨率约为 10 Hz。也就是说，两个频率相差小于 10 Hz 的谱峰，在这个窗长下很难被区分开。如果把窗长增加到 1000，频率分辨率变为 1 Hz，但每个窗口的时间跨度也变成1秒，某时刻窗口内如果既有旧频率又有新频率，就会在时频图上糊成一片。

时间分辨率则取决于窗长本身。理想情况下，窗口中心时刻附近大约N/fs秒内的信号会共同决定该帧频谱。如果窗长为 100 个点、采样率 1000 Hz，那么一阵持续 0.05 秒的短暂声音就可能被“拉长”到 0.1 秒的模糊范围，你很难判断它的精确起止时间。

这就是STFT的物理宿命：时间分辨率和频率分辨率不可能同时无限好。要看清低频细节，就得用长窗，代价是时间轴变模糊；要捕捉瞬态冲击，就得用短窗，代价是频率轴变粗糙。实际使用时必须根据信号特征找平衡点，不存在万能参数。

3.2 重叠度不是“提高分辨率”，而是“提高显示连续性”

很多人误认为把重叠度设得越高，分辨率就越好。其实不是。重叠度影响的是时间轴上的采样密度，它决定了时频图上相邻两帧之间的时间间隔，而单帧的傅里叶计算本身并没有变化。

比如窗长256，重叠75%，意味着每64个点产生一帧。这意味着对于同样一段信号，得到的时频矩阵列数更多，图像看起来更平滑，追踪频率连续变化的信号时不会出现明显的“锯齿”。但频率分辨率仍然是fs/256，不会因为重叠多了就变好。

经验上推荐重叠75%。这个数值在连续性和计算量之间比较均衡。如果你做实时处理，算力有限，可以降到50%；如果是离线分析，信号频率变化又非常快，比如声音里的滑音，可以升到87.5%甚至更高，代价是计算量变大。

3.3 窗函数和FFT长度：提升细节之前的重复误区

窗函数的选择也很讲究。默认很多人用矩形窗，也就是什么窗都不加，直接截一段做FFT。矩形窗的优点是主瓣最窄，但旁瓣泄漏特别严重，频谱图上会出现一串虚假的“裙边”。更常用的Hann窗、Hamming窗、Blackman窗，都是通过牺牲一点主瓣宽度来压低旁瓣幅度。

Hann窗是STFT里最通用的默认选项，副瓣衰减快，主瓣比矩形窗口宽不到两倍，换来的是很好的频谱纯净度。Blackman窗旁瓣更低，但主瓣更宽，适合需要强力抑制泄漏的场合。我个人的经验是：没有特别理由就用Hann窗，如果只是看峰值位置，Hamming也差不多，效果差别不大。

FFTLength是另一个容易让人困惑的点。它不等于窗长。FFTLength大于窗长时，MATLAB自动在窗口数据后补零。补零的数学本质是在原来的频谱采样点之间做插值，让频谱曲线看起来更精细，但它不会让两个本来重叠的峰分开。真正提高频率分辨率，只有增加窗长，或者降低采样率。一句话：补零美化，加窗长才治病。

4. 完整实测案例：信号混叠了正弦、扫频和瞬态冲击

4.1 构造一段用于验证的多成分信号

只讲理论没意思，我构造一段更能说明问题的合成信号：一段2秒、采样率1600 Hz的信号，里面包含一个固定的100 Hz正弦、一个300 Hz的正弦、从150 Hz线性扫到700 Hz的chirp，以及一个发生在1.2秒附近、时宽极短的冲击脉冲。

fs = 1600; t = (0:1/fs:2-1/fs)'; x = 0.6*sin(2*pi*100*t) + 0.4*sin(2*pi*300*t); x = x + 0.5*chirp(t, 150, 2, 700, 'linear'); sigma_t = 0.002; impulse = exp(-((t - 1.2).^2) / (2*sigma_t^2)); x = x + 0.8*impulse; % 检查整体频谱 figure; pwelch(x, [], [], [], fs);

这段信号的特点在于：固定频率成分考验STFT的频率区分能力，chirp考验它对频率连续变化的追踪能力，冲击脉冲则考验它对瞬态事件的定位能力。三种成分同时存在，参数选不好就会顾此失彼。

4.2 STFT正反实验：短窗与长窗的对比

先用比较短的窗去分析：

figure; spectrogram(x, hann(64), round(0.75*64), 128, fs, 'yaxis'); title('短窗：时间定位好，频率分辨率差');

窗长只有64，频率分辨率约为1600/64=25 Hz。这个分辨率下，100 Hz和300 Hz这两个分量能显示出来，但它们的谱线宽度明显较大，而且在时频图上会显得“胖”一些。好处是1.2秒的冲击脉冲非常明亮，时间位置定位准确。

再把窗长换成256：

figure; spectrogram(x, hann(256), round(0.75*256), 512, fs, 'yaxis'); title('长窗：频率分辨率好，时间定位相对模糊');

这时频率分辨率约为6.25 Hz，100 Hz和300 Hz的谱线更细更锐利，chirp的斜线也干净得多。但冲击脉冲在时间轴上的宽度会被拉宽，看起来像一根“拖尾”的竖杠。如果再加大窗长到1024，冲击甚至会被摊到0.6秒的范围，在时频图上几乎看不出来是一个瞬态。

把上面两段代码跑一遍，你会对“此消彼长”有非常直观的感受。很多教材只说理论，不给这种对照实验，读者很容易一头雾水。

4.3 用stft提取时频矩阵做定量分析

看图形只是第一步，实际工程里往往要从STFT结果里提取数值特征。比如你关心chirp从300 Hz扫到400 Hz的时刻，可以把chirp所在的频带内的能量峰值点提取出来，拟合一条频率随时间变化的曲线。用stft返回矩阵来做就非常方便：

win = hann(128, 'periodic'); [S, F, T] = stft(x, fs, 'Window', win, ... 'OverlapLength', 96, 'FFTLength', 256, 'FrequencyRange', 'onesided'); S_mag = abs(S); freq_index = find(F > 250 & F < 750); time_energy = sum(S_mag(freq_index, :), 1); [~, peak_frame] = max(time_energy); disp(['峰值时刻约为: ', num2str(T(peak_frame)), ' 秒']);

这里我筛选了250到750 Hz频带，这个频带涵盖了chirp的大部分扫频范围。对每一帧求和得到频带总能量，再找最大值所在帧，就可以大致定位chirp能量最集中的时刻。

如果是做故障诊断，常需要某个频带内能量随时间的变化曲线。用sum(S_mag(freq_range, :), 1)就能轻松得到，省去反复切片滤波的麻烦。STFT矩阵化输出之后，分析手段可以变得非常灵活。

5. 参数选择与工程落地经验

5.1 不同应用场景的参数速查表

参数没有绝对最优，但工程上有一些常用的起步值。我把这些年做项目时习惯用的参数整理成一个速查表，方便你上手时直接参考：

这个表不是死规矩，只是起步点。具体还要根据你关心的频率范围调整。比如只关心50 Hz工频附近的谐波，窗长就不能太短，否则相邻的谐波峰会叠在一起。

5.2 MATLAB批量处理信号时的效率优化

对长信号做STFT时，最常见的问题就是慢。如果不加思考地直接在循环里调用spectrogram，每次都生成图形和坐标轴，速度会慢得让人抓狂。比较好的做法是只调用一次spectrogram，把输出矩阵存下来，再做后续处理。

[s, f_spec, t_spec] = spectrogram(x, hann(256), 192, 512, fs); s_db = 20*log10(abs(s) + eps); imagesc(t_spec, f_spec, s_db); axis xy;

这样spectrogram只计算一次，后续所有画图和分析都用s矩阵，避免重复计算。

另一个容易忽视的问题是数据类型的坑。MATLAB默认矩阵都是double，如果你有一段很长的信号，比如几百万个采样点，生成的s矩阵会占掉大量内存。如果只是看谱图，可以转成single，内存占用减半。如果做实时或者实时近似的处理，还可以考虑分块处理：每次读入一段新数据，维护一个环形缓存，只对最新窗口内的数据做FFT，避免全部数据堆在内存里。

5.3 边界处的“半窗”问题

STFT在信号开头和结尾会出现边界效应。信号开头不够一个窗长时，要么补零，要么直接丢弃。MATLAB内置函数默认情况下会尽量保留能算的帧，但头尾几帧的信号不完整，谱可能会出现畸变。

做定量分析时，我建议只关注时间轴上离边界有一定距离的区域，或者提前把信号两端多采集一段数据，分析完再把边界部分裁掉。线上采集时尤其要注意，启动阶段的前几十毫秒数据可能不完整，别把边界伪影当成了真实特征。

6. 常见问题与实战排查

6.1 时频图里频率变成了“斜线”是怎么回事

很多人第一次看到STFT图里的斜线都会有点慌，其实这是正常的。频率随时间变化的信号，比如chirp、扫频信号，在STFT图上天然就是一条斜线。斜率的大小对应频率变化率。如果你看到的是正弦信号却变成了斜线，那就说明信号本身不平稳，或者分析对象里有频率调制成分。

还有一种情况，固定频率分量的曲线在图像上看起来左右漂移，是因为加窗后频谱主瓣有一定宽度，峰值估计在谱线上跳动。解决办法是提高频率分辨率（加长窗）或者对峰值做插值。

6.2 谱图上有“毛刺”或不连续

如果STFT图上一会儿亮一会儿暗，像掉帧一样，首先检查重叠度。重叠太低时，帧与帧之间衔接生硬，信号变化稍快就会出现明显的帧间跳变。把重叠度提高到75%以上通常能解决。

其次是窗函数类型问题。矩形窗旁瓣泄漏大，会让亮色区域向外“渗”，看像一团毛刺。换Hann窗后通常会干净很多。如果毛刺仍然存在，建议检查原始信号里是否混入了随机噪声或脉冲干扰，可以先做时域滤波再送STFT。

6.3 MATLAB画图时频率轴和显示范围对不上

用imagesc画STFT时，坐标轴范围来自f和t数组。很多人会把f和t搞反，画出图来频率轴变成时间轴，或者顶部和底部颠倒。记住imagesc的调用语法是imagesc(t, f, S)，然后一定要加axis xy，否则y轴默认从大到小显示，频率轴是反的。

如果用了spectrogram(..., 'yaxis')直接出图，默认就是正确的显示方向，无需再多处理。但注意这个选项只影响画图，不影响返回矩阵。

6.4 STFT的逆变换与信号重构

有些朋友做完了STFT，还想从时频矩阵恢复出原始信号，用于滤除某个频带后重构。MATLAB里提供了istft函数，和stft正好配套：

win = hann(256, 'periodic'); [S, F, T] = stft(x, fs, 'Window', win, ... 'OverlapLength', 192, 'FFTLength', 256); % 修改S，比如把低频部分置零 S_filtered = S; S_filtered(F < 50, :) = 0; y = istft(S_filtered, fs, 'Window', win, ... 'OverlapLength', 192, 'FFTLength', 256);

这里要注意，istft的窗函数、重叠长度、FFT长度必须和stft完全一致，否则重构时会出现明显的幅度调制噪声。另外，如果你在修改S矩阵时破坏了共轭对称性，逆变换结果会产生相位噪声。处理单边谱时要特别小心。

如果对重构精度要求很高，不想用istft的默认方式，可以考虑LSEE-STFT框架：先用窗函数做加权，再通过重叠相加法（OLA）把各帧拼接起来。MATLAB的istft内部已经实现了类似逻辑，但默认情况下边缘若干点会有少量误差，工程上通常会让分析的信号段足够长，边缘误差被整体误差淹没。

我在实际项目里，最常用的组合就是stft加spectrogram配合：先用spectrogram快速出图看全局特征，再用stft拿矩阵做定量分析，最后如果需要做滤波重构，就用istft。三个函数各管一段，协作顺畅，很少出问题。

如果你刚开始接触STFT，建议别急着套工具箱，先把手写循环那个版本跑通，亲手改一改窗长、重叠度，看看时频图怎么变化。等理解了背后的计算流程，再用内置函数优化效率，踩坑的机会就会少很多。傅里叶变换、窗函数、频率分辨率这套体系，只有亲手调过参数，才能真正变成自己的判断力。