频谱里的毛刺是真实信号吗？

不一定。未加窗或信号在帧边界不连续会产生频谱泄漏，表现为本应单一的峰向两侧扩散的毛刺；加窗并对稳态信号取足够长帧可抑制。瞬态信号本身就有宽频成分，需结合时域判断。

怎样提高频谱读数的准确度？

提高 FFT 长度以提升频率分辨率，使用合适的窗函数抑制泄漏，并对多次结果平均降低随机噪声；同时注意采样率要高于目标最高频率的两倍（奈奎斯特）才不会混叠。

频谱分析（可视化）

📈 Analysis 1

Analysis 1 is available directly in your browser, with no data uploaded.

📐 工作原理与说明

频谱分析对输入时域信号做快速傅里叶变换（FFT），把各采样点映射为不同频率分量的复数系数；其模长代表该频率的能量（常取 20·log10 转成 dB 显示），相位代表时间偏移。频率分辨率等于采样率除以 FFT 长度，加汉宁窗可抑制帧边界不连续带来的频谱泄漏。全部在浏览器本地计算，数据不上传服务器。

输入数据（逗号或换行分隔）

📚 深度解析：频谱分析（可视化）

💡 常见使用场景

对一段录音做 FFT，找出主要频率成分，判断是否存在 50/60Hz 工频干扰或设备共振。
分析乐器或人声的谐波结构，辅助调音、辨音与声学实验。
检测机械振动信号中的特征频率，用于简易故障初筛。

频率分辨率计算示例

对采样率 44100Hz 的信号做 N=4096 点 FFT，频率分辨率 Δf = 44100÷4096 ≈ 10.77Hz，可分辨的频率点依次为 0、10.77、21.53……Hz。若某峰值落在第 200 个 bin，则其对应频率约为 200×10.77≈2153Hz。窗函数（如汉宁窗）会使主瓣展宽约 2~3 个 bin，实际定位需考虑此展宽。

❓ 常见问题（FAQ）

频谱里的毛刺是真实信号吗？: 不一定。未加窗或信号在帧边界不连续会产生频谱泄漏，表现为本应单一的峰向两侧扩散的毛刺；加窗并对稳态信号取足够长帧可抑制。瞬态信号本身就有宽频成分，需结合时域判断。
怎样提高频谱读数的准确度？: 提高 FFT 长度以提升频率分辨率，使用合适的窗函数抑制泄漏，并对多次结果平均降低随机噪声；同时注意采样率要高于目标最高频率的两倍（奈奎斯特）才不会混叠。

📈 Analysis 1

📚 深度解析：频谱分析（可视化）

💡 常见使用场景

❓ 常见问题（FAQ）

📝工具简介

✨功能特点

🎯使用场景

频谱分析（可视化）

📈 Analysis 1

📚 深度解析：频谱分析（可视化）

💡 常见使用场景

❓ 常见问题（FAQ）

🔗 相关工具

📝工具简介

✨功能特点

🎯使用场景