解釋一：頻率解析度可以理解為在使用dft時，在頻率軸上的所能得到的最小頻率間隔f0=fs/n=1/nts=1/t,其中n為取樣點數，fs為取樣頻率，ts為取樣間隔。所以nts就是取樣前模擬訊號的時間長度t，所以訊號長度越長，頻率解析度越好。是不是取樣點數越多，頻率分辨力提高了呢？其實不是的，因為一段資料拿來就確定了時間t，注意：f0=1/t，而t=nts，增加n必然減小ts ，因此，增加n時f0是不變的。只有增加點數的同時導致增加了資料長度t才能使解析度越好。還有容易搞混的一點，我們在做dft時，常常在有效資料後面補零達到對頻譜做某種改善的目的，我們常常認為這是增加了n，從而使頻率解析度變好了，其實不是這樣的，補零並沒有增加有效資料的長度，仍然為t。但是補零其實有其他好處：1.使資料n為2的整次冪，便於使用fft。2.補零後，其實是對dft結果做了插值，克服「柵欄」效應，使譜外觀平滑化；我把「柵欄」效應形象理解為，就像站在柵欄旁邊透過柵欄看外面風景，肯定有被柵欄擋住比較多風景，此時就可能漏掉較大頻域分量，但是補零以後，相當於你站遠了，改變了柵欄密度，風景就看的越來越清楚了。3.由於對時域資料的截短必然造成頻譜洩露，因此在頻譜中可能出現難以辨認的譜峰，補零在一定程度上能消除這種現象。
那麼選擇dft時n引數要注意：1.由取樣定理：fs>=2fh，2.頻率解析度：f0=fs/n，所以一般情況給定了fh和f0時也就限制了n範圍：n>=fs/f0。
解釋二：頻率解析度也可以理解為某乙個演算法（比如功率譜估計方法）將原訊號中的兩個靠得很近的譜峰依然能保持分開的能力。這是用來比較和檢驗不同演算法效能好壞的指標。在訊號系統中我們知道，寬度為n的矩形脈衝，它的頻域圖形為sinc函式，兩個一階零點之間的寬度為4π/n。由於時域訊號的截短相當於時域訊號乘了乙個矩形窗函式，那麼該訊號的頻域就等同卷積了乙個sinc函式，也就是頻域受到sinc函式的調製了，根據卷積的性質，因此兩個訊號圓周頻率之差w0必須大於4π/n。從這裡可以知道，如果增加資料點數n，即增加資料長度，也可以使頻率解析度變好，這一點與第一種解釋是一樣的。同時，考慮到窗函式截短資料的影響存在，當然窗函式的特性也要考慮，在頻率做卷積，如果窗函式的頻譜是個衝擊函式最好了，那不就是相當於沒截斷嗎？可是那不可能的，我們考慮窗函式主要是以下幾點：1.主瓣寬度b最小（相當於矩形窗時的4π/n，頻域兩個過零點間的寬度）。2.最大邊瓣峰值a最小（這樣旁瓣洩露小，一些高頻分量損失少了）。3.邊瓣譜峰漸近衰減速度d最大（同樣是減少旁瓣洩露）。在此，總結幾種很常用的窗函式的優缺點：
矩形窗：b=4π/n a=-13db d=-6db/oct
三角窗：b=8π/n a=-27db d=-12db/oct
漢寧窗：b=8π/n a=-32db d=-18db/oct
海明窗：b=8π/n a=-43db d=-6db/oct
布萊克曼窗：b=12π/n a=-58db d=-18db/oct
可以看出，矩形窗有最窄的主瓣，但是旁瓣洩露嚴重。漢寧窗和海明窗雖主瓣較寬，但是旁瓣洩露少，是常選用的窗函式。
終於搞懂了頻率解析度的兩種解釋
光譜解析度單位 光譜解析度 光譜解析度怎麼計算
光譜解析度指成像的波段範圍，分得愈細，波段愈多，光譜解析度就愈高，現在的技術可以達到5 6nm 奈米 量級，400多個波段。細分光譜可以提高自動區分和識別目.光譜解析度如何選擇 分得愈細，波段愈多，光譜解析度就愈高，現在的技術可以達到5 6nm 奈米 量級，400多個波段。細分光譜可以提高自動區分和...
Android解析度常識 多解析度適配
螢幕大小 以螢幕對角線的物理長度來衡量螢幕的大小 解析度 螢幕中所有物理畫素點數。如1920x1080，就表示寬方向有1920個畫素，高方向有1080個畫素，整個螢幕有2073600個畫素。螢幕密度 dpi dots per inch 即畫素密度，每英吋面積上存在多少個畫素。160dpi表示單位面積...
最佳解析度與推薦解析度
大家買大螢幕顯示器的時候最關心的是什麼呢？當然是奔著 面子 去的。現在越來越多的家庭把 放到客廳，自然要配上乙個 大大 的面子 可是當你跑到商場裡面的時候，卻發現 還有 的宣傳資料五花八門，什麼 full hd 物理解析度 最佳解析度 推薦解析度 等等，你知道它們都是在說些什麼嗎？一次偶然的機會，菜...