了解汉宁窗
"(《世界人权宣言》) 汉宁窗 （更正式的名称为汉窗，以朱利叶斯·冯·汉命名）是一种平滑的钟形加权函数，适用于一个 时间波形 数据在传递给 快速傅里叶变换（FFT）. 这是迄今为止所有 窗口化 functions in 振动分析，其唯一目的是抑制一种名为 频谱泄漏. 当该窗函数与捕获的信号相乘时，它会迫使信号在时间区段的起始和结束处平滑地趋近于零，同时基本保持信号中心部分不变。
1. 定义：什么是汉宁窗？
从数学上讲，Hanning 窗是一个抬升的半余弦窗：每个时域样本都乘以一个系数，该系数从第一个样本的零值开始，在数据块中点达到 1，然后在最后一个样本处降回零。其曲线遵循对称形式 w(n) = 0.5 − 0.5·cos(2πn/(N−1))，其中 n 为样本索引，从 0 递增到 N-1 和 N 为数据块长度。（许多 FFT 分析仪实现的是密切相关的周期变体，其分母改为 N ）而最后一个样本略高于零；对于实际机械频谱，这种差异可以忽略不计。）这种形状之所以重要，是因为它会平缓地收敛数据，而不是突然截断。由于将端点压到零，窗化后的数据块可以首尾重复而不会出现任何突变——这正是 FFT 默认假设的条件。
2. 为什么需要窗口：频谱泄漏
FFT 将其接收到的有限采样块视为 一个完美且永无止境的循环 该信号。这一假设仅在每个频率分量的整数个周期能完全容纳于该块内时成立。对于实际设备——其轴转速会略有漂移，且同时存在许多互不相关的频率——这种情况几乎从未发生。
当捕获的周期数不是整数时，该块的末尾与起始位置无法对齐。FFT会将由此产生的不匹配解释为块边界处的突变或不连续点。这种人为产生的阶跃携带了不属于真实信号的能量，而该能量会“泄漏”到周围频率bin中。 频谱. 后果是：
- Smearing: 一个尖锐的频率峰值逐渐扩散成一个宽阔且边缘钝化的波峰，使得具体频率难以确定。
- Masking: 强峰值周围升高的噪声底限可能会完全掩盖附近的一个微弱峰值——例如，一个紧邻主导峰值的低电平轴承音 运行速度 (1×) 组件。
3. 汉宁窗如何解决这个问题
由于该窗函数在两个边界处将信号强制设为零，因此人造不连续性便消失了。现在，FFT 看到的是一段平滑过渡、真正周期性的数据块，并能对其进行更准确的处理。泄漏现象大幅减少，这带来了两个实际好处：
- 更精确的频率定义： 由于拖尾现象得到抑制，峰形变得狭窄且清晰分离。间距紧密的特征——例如 运行速度谐波 sitting near 轴承故障频率 — 保持独特。
- 更高的振幅精度： 对数据加窗确实会降低表观电平，因此分析仪会应用窗函数校正系数——而正确的系数取决于读取的量。对于离散单频分量的幅值，Hanning 窗的相干增益为 0.5，因此幅值校正为 2.0（+6.02 dB）。对于宽带或噪声电平，则应使用 1.633（√(8/3)）的能量（RMS）校正，因为该窗的等效噪声带宽为 1.5 个频点。你的仪器使用哪种校正属于其显示约定的一部分——大多数分析仪会自动应用。由于泄漏到相邻频点的能量更少，在正确频点上报告的幅值也更可信。
唯一的代价是主瓣会略微变宽——采用汉宁窗的音调宽度约为四个频段。如果两个频率之间的间隔小于这个宽度，你需要的是更高的分辨率，而不是换用不同的窗函数；快速调整参数的一种方法是 FFT分辨率计算器，该公式描述了块长、采样率和行距之间的关系。
4. 何时使用汉宁窗
汉宁窗是 默认选项，通用选择 适用于几乎所有稳态机械振动测量。它在频率分辨率（区分相邻峰值）与振幅精度（准确读数）之间实现了绝佳的平衡。对于电机、水泵、风扇和压缩机的常规FFT频谱分析，在绝大多数情况下，这是最合适的设置——这也是便携式双通道 Balanset-1A 这在现场计算诊断频谱时尤为重要，因为轴转速从未完全恒定，否则泄漏会导致结果失真。
5. 汉宁窗与其他窗函数的比较
汉宁窗并非唯一的选择，选择哪种窗取决于您想要提取的内容：
- Flattop: 该窗型特意牺牲了频率分辨率，以换取极高的振幅精度。在对传感器进行校准或读取单一主导音的精确电平时，这是首选的窗型。
- 标准版（矩形 / “无窗口”）： 完全不采用渐变处理。该处理仅适用于瞬态和冲击事件——例如 碰撞测试 — 这些在该区块内起始和结束位置均为零，因此无需窗口。
- 汉宁： 一种折中方案，因此也成为了日常诊断的标准。
简而言之，当幅度必须精确时选用平顶滤波器，捕捉独立瞬态信号时选用均匀滤波器，其余情况（即绝大多数情况）则选用汉宁滤波器。
