在数字信号处理中，我们经常会对一段信号进行加窗的处理，为什么要这样做呢？这里采用自上而下的方式来考虑
1. FFT
当我们要考量信号的频域特征时，我们就要做傅里叶变换。
FFT的对象只能是两种
- 从负无穷到正无穷
- 有限长度的周期信号
在实际中，FFT的对象肯定是有限长度的时域信号，所以会对信号进行截断。如果截断的长度不是周期的整数倍就会存在泄露，如下所示
- 如果是周期性的截断，那么截断之后的信号还是保留了原来信号的信息，可以还原出来的信号
- 如果是非周期性截断，起始和结束时刻的赋值不等，这样就是非连续的了
对截断后的信号做频谱分析显然会导致频谱复杂，只会在正确的频率上出现一个峰值，其他地方会存在泄露
窗函数就是为了减少泄露，使得时域信号变化之后更好地满足周期性，减少泄露
2. 窗函数？
由上一节得知，我们可以通过窗函数来减少泄露，尽量使得截断的信号能够更加真实地反应原信号的频谱
理想情况是左图，能够准确还原出原来信号的频谱信息
不加窗的实际情况大致如中间图，存在很多不相关的频率信息，这就是泄露
加了窗的实际情况大概如右图，虽然存在泄露，但大大减少了，总体能够反应原来信号的信息
原理：通过窗函数将非平稳信号平稳化，更加具有周期性
窗函数是一个有限长度的加权函数，存在不同的加权方式所以存在不同的窗函数，常见的有矩形窗，hamming窗，kaiser窗等
有什么用？
- 频域分析
- 滤波器设计