Themen · Filter
Fensterfunktionen
Der Kompromiss zwischen Hauptkeulenbreite und Nebenkeulendämpfung — beim FIR-Filterentwurf und bei der FFT-Spektralanalyse.
Fensterfunktionen tauchen in der digitalen Signalverarbeitung an zwei auf den ersten Blick unterschiedlichen Stellen auf — FIR-Filterentwurf und FFT-Spektralanalyse — lösen dort aber im Kern dasselbe Problem: Ein endlich langer Signalausschnitt hat einen "harten Rand", der im Frequenzbereich unerwünschte Nebenkeulen erzeugt. Eine Fensterfunktion dämpft diesen Rand kontrolliert und tauscht dafür eine geringfügig breitere Hauptkeule ein.
Der Zielkonflikt: Hauptkeule vs. Nebenkeule
Jede Fensterfunktion erzeugt im Frequenzbereich ein charakteristisches Muster aus einer Hauptkeule (dem zentralen Peak, der die Frequenzauflösung bzw. Flankensteilheit bestimmt) und Nebenkeulen (den kleineren Ausläufern daneben, die für Leckage bzw. unzureichende Sperrdämpfung verantwortlich sind). Eine schmalere Hauptkeule bedeutet immer höhere Nebenkeulen und umgekehrt — dieser Kompromiss lässt sich nicht auflösen, nur verschieben.
| Fenster | Hauptkeulenbreite | Nebenkeulendämpfung | Wann sinnvoll |
|---|---|---|---|
| Rechteck (kein Fenster) | schmal (steilste Flanke) | ~21 dB | praktisch nie — Dämpfung meist unzureichend |
| Hann | mittel | ~44 dB | wenn Nebenkeulen schnell abfallen sollen, mäßige Anforderung |
| Hamming | mittel | ~53 dB | Standardwahl, wenn 50–55 dB genügen |
| Blackman | breit | ~74 dB | hohe Sperrdämpfung wichtiger als schmale Flanke |
| Blackman-Harris | breit | ~92 dB | sehr hohe Sperrdämpfung, z. B. Nachbarkanalunterdrückung |
| Flat-Top | sehr breit | gering, dafür sehr ebene Hauptkeule | Amplitudenmessung (FFT): exakter Pegel wichtiger als Frequenzauflösung |
| Kaiser ($\beta$ einstellbar) | einstellbar | einstellbar (~20–120 dB) | wenn die Anforderung exakt zwischen den festen Fenstern liegt — ein Parameter statt Fensterwechsel |
firdes.low_pass() übernimmt diese Berechnung intern, wenn window.WIN_KAISER gewählt wird.
Anwendung 1: FIR-Filterentwurf
Die ideale Tiefpass-Impulsantwort (eine Sinc-Funktion) ist unendlich lang. Wird sie auf $N$ Samples abgeschnitten, entsteht durch die harte Abschneidekante das Gibbsche Phänomen — Überschwinger und Welligkeit im Frequenzgang. Die Fensterfunktion multipliziert die abgeschnittene Impulsantwort und entschärft diese Kante: Eine schmalere Hauptkeule bedeutet eine steilere Filterflanke, höhere Nebenkeulen bedeuten schlechtere Sperrdämpfung. Details zur Tap-Zahl-Berechnung und ein durchgerechnetes Dimensionierungsbeispiel stehen im Artikel FIR-Filter.
Anwendung 2: FFT-Spektralanalyse
Bei der FFT wird nur ein endlicher Ausschnitt eines (meist fortlaufenden) Signals betrachtet. Ohne Fensterung "leckt" die Energie eines Frequenz-Bins in benachbarte Bins (Spectral Leakage) — sichtbar als breitere, verschmierte Peaks im Spektrum statt scharfer Linien. Hier gilt derselbe Hauptkeule-Nebenkeule-Kompromiss, nur mit anderer Gewichtung: Für eine genaue Frequenzauflösung ist eine schmale Hauptkeule wichtig (z. B. Hann), für eine genaue Pegelmessung eine möglichst ebene Hauptkeule auf Kosten der Frequenzauflösung (Flat-Top). Mehr dazu im Artikel FFT (Fast Fourier Transformation).