全国服务咨询热线:

15000590832

当前位置:首页  >  技术文章  >  荧飒光学|探究傅里叶变换红外光谱中FFT窗函数的奥秘

荧飒光学|探究傅里叶变换红外光谱中FFT窗函数的奥秘

更新时间:2025-06-25      点击次数:86

在使用傅里叶变换红外光谱仪采集光谱前,我们通常需要设置一些仪器参数和算法参数。在FFT参数或者高级设置中,有一个不太起眼的选项,叫做“切趾函数”(Apodization)。对于初用傅里叶变换红外光谱仪的小伙伴来说,有点像是天书一般的名词,它到底是什么?它在光谱分析中起到什么作用?在遇到谱图质量不佳时,是否需要调整这个参数?


当我们带着疑惑向工程师咨询时,他们通常会轻飘飘地回复一句,“不用管,选默认的就行,无需修改”。切,无需修改,那为何软件要设计这么多可选的窗函数出来,像三角窗、矩形窗、BlackmanHarris、高斯窗……故作高深?!咱就是不信邪,今天就带大家一起来剖析下这个参数的含义和作用。(下图为荧飒光学光谱采集软件中的参数界面)

 

图片1.png

 

其实这都是由傅里叶变换红外光谱仪(FTIR)的原理所决定的。如果是传统色散型光谱仪就永远接触不到这个参数了。想要弄清切趾函数的含义和作用,我们要从傅里叶变换的底层逻辑探究一下,FTIR使用了一个叫做干涉仪的分光部件进行采集得到时域光谱信号。由于干涉仪动镜行程和采集时间有限,得到的都是一定长度的干涉图(有限的数据点,特别是在信号的两端其实是被强行截断了),并不能完整代表整张光谱包含的所有数据信息。动镜行程越短,数据点则越少。要想完整的无偏差转换成我们看得懂的光谱图,就必须得到无限长的干涉图,这两者就矛盾了。由于信号在时域上的截断(即信号不是无限长的)导致频域中引入虚假的频率成分,也就是所谓频谱泄露(spectral leakage)。切趾函数的作用就是通过对干涉图的两端进行平滑衰减到0,减少截断效应,从而降低频谱泄露,使得经过FFT变换后得到光谱图。“切趾”这个词也很形象地表达了对干涉图的处理手段,就像是用一把“刀”将无限长的干涉图“咔咔一通剪”,只保留中间信息量最丰富的区域,而舍弃两端“脚趾”的只能得到一部分有限数据点的干涉图数据。下面我们来列举几种常见的窗函数。


矩形窗函数是最简单的窗函数,它通过一个矩形框保留信号中间信息量最大的部分。把一段无限长的信号切掉两端的信息,只保留中间信息量最大的部分,直接截取信号,不进行加权处理,这个就是矩形窗函数了。这种处理方式也是非常直观的(如下图),用一个矩形框把其中一段信号保留下来,其它的舍去,怎么样,是不是很形象?

 

图片2.png

 

那我们再看看经过hamming加窗之后的信号是什么样的呢?简单来说就是将信号幅值按不同的权重进行了修饰处理,尽量保留信号中间部分信息量最大的部分,而抑制两端信号强度。下图即为将原始信号加hamming窗的计算过程。

 

图片3.png
图片

 


小伙伴可以通过网上查询不同的窗函数。各类窗函数大同小异,抑制的效果也各有不同, 导致FFT变换后的光谱也就会有不同的旁瓣影响。

慢着慢着,还有一个概念没有解释。那什么又叫“频谱泄露”呀?我们来模拟产生两个信号,Wave1和Wave2是时域中相同的一段正弦波,表达式为y=sin(2πft),频率f=20Hz。其频率谱就是一个20Hz单频峰。而仔细观察Wave2的时域信号,会发现它是不完整的正弦波,经过FFT变换后,频率图中除了20Hz峰之外,还出现了一定程度的频谱展宽,20Hz峰的强度也有所下降,这就是所谓的频谱泄露(Spectrum Leakage)。同样的信号,经过FFT变换怎么就不一样了呢?从根本上来说,这是傅里叶算法引起的。造成这个问题的根本原因是:采样信号的相位在始端和终端不连续。这时候,就可以通过加窗的方式来减轻频谱泄露,使得wave2的频谱展宽减小,尽量模拟到wave1的频域状态。而除了傅里叶变换红外光谱分析之外,现实生活中的其他领域,比如音频处理,图像处理等,通过加窗对信号进行处理的方法也是普遍应用的。


图片4.png


最后给各位小伙伴总结一下不同窗函数的效果:


 

还有一点值得注意的是,使用不同的窗函数,会影响到最终光谱图的分辨率和信噪比。所幸针对FTIR,我们分析的绝大部分固体和液体,这些样品的峰宽都足够大,在设置4cm-1或者8cm-1分辨率采集时,不同的算法所展现出来效果差异微乎其微,基本不影响分析人员的日常分析工作。这就是工程师们口中常说的“使用默认值即可”,分析人员一般无需更改。其实不同厂家的软件默认窗函数也有所不同,但大多数情况下,一般都会采用比较折中的窗函数,比如hamming窗或者BlackmanHarris窗。如下图,我们使用不同窗函数采集38um聚苯乙烯薄膜红外光谱图(分辨率 4cm-1),仔细观察3000cm-1这一段光谱,可以看到当采用不同窗函数,其主瓣峰基本一致,细微差异则是峰高和峰宽,这种差异对一般定性分析来说,其实可以忽略的。


图片5.png

说到这,估计大部分分析工作者能稍微了解这个参数的作用了吧。所以,大部分情况下,我们还真的不太需要修改窗函数这个参数。只有当个别高级用户在分析特殊样品时可能会根据需要进行修改,比如气体的测试。由于气体峰宽很窄,当采用高分辨率采集光谱时,窗函数的选择可能对光谱产生显著影响,这时候就需要仔细甄别了。如下图,CO气体在分辨率0.125cm-1下,采用不同窗函数下的差异是不是就有点大了?


图片6.png

 

小结

窗函数在傅里叶变换红外光谱分析中起着重要作用。虽然大多数情况下,使用默认窗函数即可满足分析需求,但在分析特殊样品(如气体)时,选择合适的窗函数可能会对结果产生显著影响。了解不同窗函数的特点和适用场景,可以帮助分析人员更准确地解读光谱数据。

 

全国统一服务电话

021-59130260

电子邮箱:2488329935@qq.com

公司地址:上海市嘉定区沪宜公路1101号越界产业园区

关注公众号