详解Numpy hamming()（汉明窗口函数）的作用与使用方法

Numpy库中的hamming函数主要用于生成一个hamming窗口函数。hamming窗口函数是一种常用的数字信号处理技巧，可以通过降低频谱泄露来使频谱分析更准确。

hamming函数的使用方法如下：

numpy.hamming(M, sym=True)

其中，M为窗口长度，sym为可选参数，表示是否对窗口进行对称操作。默认为True，即对窗口进行对称操作。

下面是两个示例，以便更好地理解hamming函数的用法：

示例1：使用hamming函数生成一个窗口函数，将其应用于一个信号。

import numpy as np
from scipy import signal

# 生成信号
sig = np.random.random(1000)
# 生成hamming窗口函数
win = signal.hamming(50, sym=False)

# 将窗口函数应用于信号
filtered = signal.convolve(sig, win, mode='same') / sum(win)

# 显示信号的FFT
import matplotlib.pyplot as plt
from scipy.fftpack import fft

plt.figure()
plt.plot(20*np.log10(np.abs(fft(sig)))), color='C0', label='Original signal')
plt.plot(20*np.log10(np.abs(fft(filtered)))), color='C1', label='Filtered signal')
plt.legend(loc='best')
plt.show()

以上代码会生成如下图像：

其中显示了原始信号和使用hamming窗口进行过滤后得到的新信号的FFT。可以看到，使用hamming窗口后加强了信号的低频成分，降低了频谱泄露。

示例2：使用hamming函数生成两个不同长度的窗口函数。

import numpy as np
from scipy import signal

# 生成长度为10的hamming窗口函数
win1 = signal.hamming(10, sym=True)
# 生成长度为20的hamming窗口函数
win2 = signal.hamming(20, sym=True)

# 显示两个窗口函数
import matplotlib.pyplot as plt

plt.figure()
plt.plot(win1)
plt.plot(win2)
plt.show()

以上代码会生成如下图像：

其中显示了两个不同长度的hamming窗口函数。可以看到，较短的窗口函数具有更快的下降速度，较长的窗口函数在信号端点处具有更平滑的过渡。