本文结合基础案例与语音场景，说明 LabVIEW 中 STFT Spectrograms.vi 的应用逻辑，原理、参数配置。
STFT基础
短时傅里叶变换（STFT）通过滑动窗口对信号分帧，解决傅里叶变换无法分析非平稳信号的局限，是时频域分析的核心工具。
核心VI：STFT Spectrograms.vi
功能：输入时域信号，输出 STFT 频谱图（时频分布）、功率谱及时域信号。
特点：支持窗口类型 / 长度、时间步长、频率分箱配置，灵活平衡时频分辨率。
对比：
傅里叶变换 VI：仅输出频域信息，无时间维度，适用于平稳信号；
小波变换 VI：时频分辨率自适应，但计算复杂度高，STFT 在 LabVIEW 中更易配置。
Chirp信号分析
以雷达 Chirp 信号（频率时变）为例：
信号生成：用 LabVIEW 生成 Up and Down Chirp 信号，采样率 1000Hz。
STFT配置：Time steps=2、Frequency bins=512、Hanning 窗（长度 64）。
结果：频谱图直观显示频率随时间的变化轨迹，功率谱验证信号带宽，辅助雷达算法调试。
语音信号的STFT分析
语音为典型非平稳信号，分析步骤如下：
1.语音信号采集
方式：用 “Read From Sound Input.vi” 采集麦克风语音（或 “Read Waveform from File.vi” 读 WAV 文件）。
参数：采样率 16kHz（覆盖 20Hz-4kHz 语音频段）、16 位、单声道。
2. STFT参数适配（针对语音特性）
参数 | 推荐配置 | 原因 |
Time steps | 10~20 | 平衡时间分辨率与计算量 |
Frequency bins | 256~512 | 覆盖语音带宽，保证频率精度 |
Window Type | Hamming/Hanning | 抑制频谱泄漏，适配语音短时平稳性 |
Length | 32~128 | 匹配语音 20~30ms 的短时平稳时长 |
3.分析与应用
结果解读：频谱图观测语音 “基频 + 共振峰” 的时变规律（如元音的共振峰轨迹）；
注意事项：先通过 “Butterworth Filter.vi” 预滤波降噪，再输入 STFT；
场景示例：语音情感识别中，用 STFT 提取 “开心 / 愤怒” 语音的共振峰差异，辅助分类算法训练。
