振动信号分析这个领域，很多人是从FFT入门的。把一段加速度传感器采集的数据丢进FFT，看到频谱上几根尖峰，觉得分析也就这么回事。但真正做过设备故障诊断或者语音信号处理的人都知道，FFT有个致命的局限：它把整个时间轴上的信息压缩成一张静态的频谱图，时间维度被彻底抹掉了。你只知道信号里有哪些频率成分，却不知道这些成分是什么时候出现的。对于旋转机械的启停过程、轴承的冲击性故障、语音的音素过渡段，这种"时间盲区"会让关键信息全部丢失。

短时傅里叶变换（STFT）就是为解决这个问题而生的。它的思路很朴素：既然FFT看不了时间，那我就把长信号切成很多短段，每段分别做FFT，再把结果按时间顺序拼起来。这样得到的时频图，横轴是时间，纵轴是频率，颜色深浅代表该时刻该频率的能量强度。这篇文章会从工程实操的角度，把STFT在振动数据处理中的完整落地路径讲清楚——包括窗函数怎么选、参数怎么定、代码怎么写、结果怎么读，以及我在实际项目中踩过的那些坑。

1. 从FFT到STFT：为什么非要做这个升级

1.1 FFT在振动分析中的真实短板

先看一个具体的场景。假设你在一台电机壳体上装了加速度传感器，采样率设为5120 Hz，采集了10秒钟的振动数据。这段数据里包含两种成分：一种是电机稳定运行时的基频振动，大概在50 Hz附近；另一种是启动瞬间的冲击振动，频率成分很丰富，但只持续了不到0.5秒。

如果你直接对这10秒数据做FFT，得到的频谱上会同时出现50 Hz的尖峰和一片高频区域的能量抬升。问题来了：你没法判断那片高频能量是启动瞬间产生的，还是整个10秒里一直存在的。如果高频能量只在启动瞬间出现，那说明是启动冲击导致的；如果一直存在，那可能是某个轴承或齿轮的持续故障。这两种情况的处理方案完全不同，但FFT给不了你答案。

这就是傅里叶变换的"全局性"带来的问题。它假设信号是平稳的，也就是说信号的频率成分不随时间变化。但实际工程中的振动信号，尤其是涉及启停、变速、冲击、调制等工况的，几乎都是非平稳的。用FFT分析非平稳信号，就像用一张全程曝光的照片去分析一场足球比赛的战术——你只能看到球场上所有人的平均位置，看不到传球路线和跑位时机。

1.2 STFT的核心思路：分而治之

STFT的做法很直接：既然整段信号不平稳，那我就假设它在很短的时间窗口内是平稳的。具体操作是，用一个固定长度的窗函数（比如汉宁窗）在时间轴上滑动，每滑动一个步长，就把窗内的信号截取出来做一次FFT，然后把每次FFT的结果按时间顺序排列。

这里有一个关键的权衡：窗长决定了时间分辨率和频率分辨率的平衡。窗越长，截取的信号越长，频率分辨率越高（能区分更接近的频率成分），但时间分辨率越差（无法精确定位频率变化发生的时刻）。窗越短，时间分辨率越好，但频率分辨率越差。这个矛盾本质上来源于海森堡不确定性原理在信号处理中的体现，你不可能同时获得无限高的时间分辨率和频率分辨率。

用一个生活化的类比：假设你要描述一首歌的旋律变化。如果你以整首歌为单位来描述，你能准确说出用了哪些音符（频率分辨率高），但说不清每个音符具体在哪个时间点出现（时间分辨率差）。如果你以每0.1秒为单位来描述，你能精确追踪每个瞬间的音高变化（时间分辨率高），但可能分不清两个很接近的音符（频率分辨率差）。STFT就是让你在这两者之间选一个平衡点。

1.3 STFT在振动诊断中的典型应用场景

在实际的旋转机械故障诊断中，STFT的价值主要体现在几个场景。第一是变速工况分析，比如风力发电机在风速变化时的齿轮箱振动，转速在变，啮合频率也在变，STFT能清晰展示频率随时间的变化轨迹。第二是冲击性故障检测，比如轴承外圈剥落产生的周期性冲击，每次冲击在时频图上表现为一条垂直的宽带能量线，冲击的间隔对应故障特征频率。第三是启停过程监测，电机启动时电流频率从0逐渐升到工频，对应的振动频率成分也会有一个爬升过程，STFT能完整记录这个过渡。

还有一个容易被忽略的场景是调制现象分析。齿轮箱中齿轮的啮合频率会被轴的转频调制，形成边带。如果只看FFT，边带和主频的关系不够直观；但在时频图上，你能看到能量在啮合频率和边带之间周期性地"跳动"，调制的周期和深度一目了然。

2. 窗函数与参数选择：STFT效果好坏的分水岭

2.1 窗函数到底在做什么

很多人做STFT时直接调用scipy.signal.stft，窗函数用默认值，参数凭感觉设，结果出来的时频图模糊一片，然后得出结论说"STFT效果不好"。问题往往出在窗函数和参数选择上。

窗函数的作用是减少频谱泄漏。所谓频谱泄漏，是因为我们对信号做了截断（只取窗内的一段），截断处的突变会在频域产生额外的频率成分，就像你在一段平滑的曲线上硬生生切一刀，切口处会产生高频振荡。窗函数通过在两端逐渐衰减信号来平滑这个截断，减少泄漏。

但窗函数也有代价：它会让主瓣变宽（频率分辨率下降），同时旁瓣虽然被压低但不会完全消失。不同窗函数的区别就在于主瓣宽度和旁瓣高度的权衡。矩形窗主瓣最窄但旁瓣最高，汉宁窗主瓣较宽但旁瓣衰减快，汉明窗介于两者之间，布莱克曼窗旁瓣最低但主瓣最宽。

2.2 振动信号该选什么窗

对于振动信号，我的经验是：优先用汉宁窗（Hann）。原因有几个。第一，汉宁窗的旁瓣衰减速率快，对于振动信号中常见的强主频加弱边带的结构，汉宁窗能有效抑制强主频的泄漏对弱边带的掩盖。第二，汉宁窗的等效噪声带宽适中，不会让频率分辨率损失太多。第三，汉宁窗在工程界接受度高，结果的可比性好。

但有两种情况需要换窗。一种是需要精确测量幅值的场合，比如做振动烈度评价时，汉宁窗的幅值恢复系数不是1，需要做补偿。这时候可以用平顶窗（Flat Top），它的主瓣很宽但幅值精度极高，适合校准和计量。另一种是信号中包含瞬态冲击，需要精确定位冲击时刻，这时候可以用矩形窗或指数窗，牺牲频率分辨率换取时间定位精度。

下面这张表是我在实际项目中总结的窗函数选择参考：

2.3 窗长和重叠率怎么定

窗长的选择取决于你要分析的频率成分。一个实用的经验公式是：窗长至少包含你要分辨的最低频率的3到5个周期。比如你要分析50 Hz的基频，采样率5120 Hz，那么一个周期是102.4个采样点，窗长至少取307到512点。如果取512点，频率分辨率是5120/512=10 Hz，意味着频率间隔小于10 Hz的两个成分无法区分。

但窗长也不是越长越好。如果信号中有快速变化的成分，比如持续0.1秒的冲击，窗长取512点对应0.1秒（512/5120=0.1秒），刚好能覆盖，但如果取1024点就是0.2秒，冲击会被"稀释"在窗内，时频图上的能量会被摊薄，定位精度下降。

重叠率的选择相对灵活。重叠的目的是让时频图在时间轴上更平滑，避免因为窗的跳跃导致某些时刻的信号被遗漏。常用的重叠率是50%到75%。重叠率越高，时频图越平滑，但计算量也越大。对于大多数振动分析场景，75%重叠（即每次移动窗长的1/4）是一个不错的平衡点。

这里有一个容易踩的坑：重叠率不是越高越好。当重叠率超过90%时，相邻窗之间的相关性太强，时频图会出现"拖尾"效应，反而让时间定位变得模糊。而且计算量会急剧增加，对于长时间数据可能无法接受。

3. 用Python实现STFT：从原始数据到可读时频图

3.1 数据准备与预处理

在动手写STFT代码之前，有几个预处理步骤不能省。第一步是去均值，振动信号中往往包含直流偏置或趋势项，不去掉的话会在时频图的0 Hz附近形成一条很强的能量带，掩盖低频信息。用scipy.signal.detrend或者直接减去均值都可以。

第二步是检查采样率。STFT的结果中频率轴的范围是0到采样率的一半（奈奎斯特频率）。如果采样率设置错误，整个频率轴都是错的。我遇到过有人把采样率写成1000 Hz，实际采集是5120 Hz，结果时频图上的频率全部压缩了5倍多，故障特征频率完全对不上。

第三步是数据长度的考虑。STFT的输出是一个二维矩阵，行数对应频率点数，列数对应时间帧数。如果数据太长，比如几小时的连续采集，直接做STFT会得到一个巨大的矩阵，内存可能扛不住。这时候需要分段处理，或者先做降采样。

import numpy as np from scipy import signal import matplotlib.pyplot as plt # 模拟一段振动信号：50Hz基频 + 200Hz冲击成分（仅在0.5-1.0秒出现） fs = 5120 # 采样率 t = np.arange(0, 2, 1/fs) # 2秒数据 f_base = 50 # 基频 f_impact = 200 # 冲击频率 # 基频信号 x = 1.0 * np.sin(2 * np.pi * f_base * t) # 冲击成分：在0.5-1.0秒之间加入200Hz成分 impact_mask = (t >= 0.5) & (t < 1.0) x[impact_mask] += 0.5 * np.sin(2 * np.pi * f_impact * t[impact_mask]) # 加入少量噪声 x += 0.1 * np.random.randn(len(t)) # 去均值 x = x - np.mean(x)

3.2 调用scipy.signal.stft的正确姿势

scipy.signal.stft是SciPy 1.0之后引入的STFT函数，比旧版的spectrogram接口更清晰。它的核心参数包括window（窗函数）、nperseg（每段长度，即窗长）、noverlap（重叠点数）、nfft（FFT点数）、fs（采样率）。

这里有一个关键点：nperseg和nfft的关系。nperseg是实际截取的信号长度，nfft是FFT的点数。如果nfft大于nperseg，信号会在末尾补零，相当于对频谱做插值，频率轴上的点会更密，但不会提高实际频率分辨率。如果nfft小于nperseg，信号会被截断，信息会丢失。通常设nfft等于nperseg或者略大（比如取2的整数次幂方便计算）。

# STFT参数 nperseg = 512 # 窗长 noverlap = 384 # 重叠点数，75%重叠 nfft = 512 # FFT点数 f, t_stft, Zxx = signal.stft( x, fs=fs, window='hann', nperseg=nperseg, noverlap=noverlap, nfft=nfft, boundary=None, # 不补边界，避免时间轴偏移 padded=False # 不额外补零 ) # Zxx是复数矩阵，取模得到幅值 magnitude = np.abs(Zxx)

3.3 时频图的可视化技巧

拿到magnitude矩阵后，直接plt.pcolormesh出来的图往往不好看，因为振动信号的动态范围很大，强成分和弱成分可能差几个数量级。这时候需要对幅值做对数变换，用分贝（dB）表示。

# 转换为dB，参考值为最大值 magnitude_db = 20 * np.log10(magnitude / np.max(magnitude) + 1e-12) # 绘制时频图 plt.figure(figsize=(12, 6)) plt.pcolormesh(t_stft, f, magnitude_db, shading='gouraud', cmap='jet') plt.ylabel('频率 (Hz)') plt.xlabel('时间 (s)') plt.title('STFT时频图') plt.colorbar(label='幅值 (dB)') plt.ylim(0, 500) # 只显示0-500Hz范围 plt.tight_layout() plt.show()

这里有几个可视化上的经验。第一，cmap的选择很重要，jet虽然被很多人批评，但在时频图上它的对比度确实好，能清晰看出能量分布。如果要做正式报告，可以用viridis或inferno，更符合视觉感知均匀性。第二，shading='gouraud'能让图像更平滑，但计算量稍大；如果数据量大，用shading='auto'或'nearest'。第三，ylim一定要设，因为振动信号的高频部分往往能量很低，全频段显示会让低频区域的细节被压缩。

还有一个技巧：如果信号中有很强的单一频率成分（比如50 Hz基频），它会在时频图上形成一条贯穿始终的亮线，把其他弱成分掩盖。这时候可以在做STFT之前先做一次带阻滤波，把强主频滤掉，再看时频图，弱成分会清晰很多。这个操作在轴承故障诊断中特别有用，因为轴承故障特征频率往往在几千赫兹，能量比基频低几十个dB。

4. 时频图读图实战：从图案反推设备状态

4.1 稳态信号的时频图特征

先看最简单的情况：设备稳定运行，振动信号由几个固定的频率成分组成。这时候时频图上的表现是几条水平的亮线，每条线对应一个频率成分，线的粗细反映该成分的频率稳定度。如果线很细很直，说明频率非常稳定；如果线有轻微的抖动，可能是转速有波动。

这种时频图看起来"平淡"，但信息量不小。水平线的数量告诉你有多少个主要频率成分，线的位置告诉你频率值，线的亮度告诉你幅值大小。如果某条线的亮度随时间有周期性变化，那说明这个频率成分被调制了，调制的周期可以从亮度变化的周期读出来。

4.2 冲击成分的识别

冲击在时频图上的表现非常有辨识度：一条垂直的宽带能量线。因为冲击在时域上是一个短促的脉冲，在频域上覆盖很宽的频率范围，所以在时频图上表现为某个时刻、从低频到高频都有能量。

轴承故障的冲击是周期性的，所以时频图上会看到一系列等间隔的垂直亮线。间隔时间就是冲击的周期，它的倒数就是冲击的重复频率。对于轴承外圈故障，这个重复频率就是外圈故障特征频率（BPFO）；内圈故障对应BPFI；滚动体故障对应BSF。这些特征频率可以通过轴承几何参数和转速计算出来，和时频图上测到的间隔对比，就能判断是哪个部件出了问题。

这里有一个实操中的坑：冲击的间隔在时频图上不一定能直接测准。因为窗长有限，如果冲击间隔小于窗长，相邻冲击会在同一个窗内混叠，时频图上分不开。这时候需要减小窗长，提高时间分辨率。但窗长减小又会导致频率分辨率下降，可能看不清冲击的宽带特征。这个矛盾需要根据具体信号来平衡。

4.3 变速过程的时频图解读

变速工况是STFT最擅长的场景。电机启动时，转速从0逐渐升高，振动信号中的基频（对应转频）也会从0逐渐升高。在时频图上，这表现为一条从低频向高频倾斜的亮线。如果设备中有齿轮，齿轮啮合频率是转频的齿数倍，那么时频图上会看到多条平行的倾斜亮线，它们的斜率相同，但频率值成比例。

变速过程中还有一个重要现象：频率模糊。当转速变化很快时，在窗长内频率已经发生了显著变化，FFT的结果会把这段频率变化"平均"掉，导致时频图上的亮线变粗甚至分裂。解决方法是减小窗长，让窗内频率变化足够小。但窗长减小又会影响频率分辨率，所以需要在变速速率和频率分辨率之间做权衡。

一个实用的判断标准是：窗长内频率变化量应小于频率分辨率。假设频率分辨率是Δf，频率变化率是df/dt，那么窗长T应满足T < Δf / (df/dt)。比如Δf=10 Hz，df/dt=100 Hz/s，那么T < 0.1秒，对应512个采样点（采样率5120 Hz）。

5. 那些让我熬夜调试的STFT参数坑

5.1 边界效应导致的时间轴偏移

scipy.signal.stft默认的boundary='zeros'会在信号两端补零，这会导致时频图的时间轴比原始信号长。如果你用t_stft去对齐其他传感器数据，会发现对不上。我第一次遇到这个问题时，排查了半天以为是采样率设置错了，后来才发现是边界补零导致的。

解决方法很简单：设boundary=None，这样STFT只对信号实际存在的部分做分析，时间轴和原始信号一致。但代价是信号两端的窗可能不完整，时频图两端的数据会少一些。如果信号很长，这点损失可以忽略；如果信号很短，就需要考虑是否接受这个损失。

5.2 幅值标定的陷阱

STFT输出的幅值和原始信号的幅值之间有一个比例关系，这个比例取决于窗函数和窗长。如果你直接用np.abs(Zxx)作为幅值，得到的数值和实际振动幅值（比如加速度的m/s²）是对不上的。要做定量分析，必须做幅值标定。

标定的方法是：用一个已知幅值的正弦信号做STFT，看输出的幅值是多少，然后计算比例系数。对于汉宁窗，这个系数大约是窗长的一半（因为汉宁窗的相干增益是0.5）。但更可靠的做法是实际标定，因为不同实现可能有细微差异。

我在做振动烈度评价时踩过这个坑：直接用STFT的幅值去算RMS，结果比实际值小了将近一半。后来发现是窗函数的相干增益没有补偿。补偿之后，STFT算出来的RMS和直接对时域信号算的RMS就对上了。

5.3 频率轴的范围与混叠

STFT的频率轴范围是0到fs/2。如果信号中有高于fs/2的频率成分，它们会混叠到低频区域，在时频图上表现为虚假的低频成分。这个问题在振动信号中很常见，因为加速度传感器的高频响应很好，而很多故障特征频率都在几千赫兹。

避免混叠的方法是在采集时加抗混叠滤波器，把高于fs/2的频率成分滤掉。如果数据已经采集了，发现时频图上有不明低频成分，可以检查一下是不是高频混叠。一个简单的判断方法是改变采样率重新采集，如果那个低频成分的位置随采样率变化，那基本可以确定是混叠。

5.4 大数据量下的内存与速度优化

处理长时间振动数据时，STFT的计算量和内存占用是必须考虑的问题。假设采样率5120 Hz，采集1小时，数据量是1843万个点。如果窗长512，重叠384，那么时间帧数大约是1843万/(512-384)≈14.4万帧，频率点数256，STFT矩阵的大小是256×14.4万≈3700万个复数，每个复数16字节，总共约590 MB。这还只是一小时的数据，如果是多通道或者多天，内存很快就爆了。

优化方法有几个。第一，分段处理，每次处理几分钟的数据，分析完保存结果再处理下一段。第二，降采样，如果只关心低频成分，可以先降采样再STFT，数据量能减少一个数量级。第三，用scipy.signal.stft的return_onesided=True（默认），只返回正频率部分，数据量减半。第四，如果只需要时频图的图像而不需要原始矩阵，可以在计算完每个时间帧后立即转换为dB并存储为低精度格式（如float16），内存占用能减少一半以上。

6. STFT之外：什么时候该考虑其他时频方法

STFT不是万能的。它的核心限制是窗长固定，一旦选定，时间分辨率和频率分辨率就固定了。但实际信号中，不同时间段的特征可能需要在不同的分辨率下观察。比如变速过程中，低频段的频率变化慢，需要长窗来分辨；高频段的频率变化快，需要短窗来定位。固定窗长的STFT无法同时满足。

这时候可以考虑小波变换（CWT）。小波变换用可变的窗长：低频用长窗，高频用短窗，天然适合分析变速信号和瞬态信号。但小波变换的缺点是频率轴不是线性的，而是对数的，对于需要线性频率轴的振动分析，解读起来不如STFT直观。

另一种方法是Wigner-Ville分布（WVD），它的时频聚集性比STFT好得多，但会有交叉项干扰，对于多成分信号，交叉项会形成虚假的能量分布，需要做平滑处理（如平滑伪Wigner-Ville分布）。

我的建议是：先用STFT，如果发现分辨率不够再考虑其他方法。STFT的物理意义最清晰，参数最容易理解，结果最容易解释。在大多数旋转机械故障诊断场景中，STFT已经足够。只有在分析非平稳性极强的信号（如冲击响应、变速扫频）时，才需要考虑小波或其他方法。

还有一个折中方案：用多分辨率STFT。对同一段信号，用不同的窗长分别做STFT，然后对比不同分辨率下的时频图。短窗看时间细节，长窗看频率细节，结合起来能获得更全面的信息。这个方法在工程实践中很实用，虽然计算量翻倍，但避免了选择单一窗长的纠结。

7. 把STFT嵌入实际诊断流程的几个建议

7.1 和FFT配合使用

STFT不应该完全替代FFT。正确的流程是：先用FFT做全局频谱分析，确定主要的频率成分和关注频段；然后用STFT在关注频段做时频分析，看这些成分的时间行为。FFT负责"有什么"，STFT负责"什么时候有"。两者配合，效率最高。

比如分析一台齿轮箱的振动，先用FFT找到啮合频率和边带的位置，然后针对啮合频率附近做STFT，看边带是否随时间周期性出现。如果边带在时频图上表现为周期性的能量跳动，那基本可以确认是齿轮故障。

7.2 特征频率的计算与标注

做STFT之前，先把可能的故障特征频率算出来，然后在时频图上标注这些频率的水平线。这样读图时能快速判断哪些能量带对应哪些故障。特征频率的计算需要轴承几何参数（节径、滚珠直径、接触角、滚珠数）和转速。如果这些参数拿不到，可以用经验公式估算，或者直接观察时频图上的周期性模式来反推。

标注的方法是在时频图上画水平虚线，用plt.axhline，颜色选对比度高的（比如白色或黑色），线型用虚线，避免遮挡时频图本身的能量分布。

7.3 批量处理与自动化

实际项目中往往有几十上百个测点的数据要分析，手动一个个做STFT不现实。需要写批处理脚本，自动读取数据文件、做STFT、生成时频图、保存结果。关键是要把参数配置化，不同测点可能用不同的窗长和频率范围，这些参数放在配置文件里，脚本读取配置后自动处理。

自动化还有一个好处是一致性。手动分析时，不同时间、不同人做的STFT参数可能不一样，结果没法对比。自动化保证所有数据用同一套参数处理，结果可比。

7.4 结果存档与追溯

时频图生成后，除了图片，建议把STFT的矩阵也保存下来（可以用np.save存为npy文件，或者用HDF5格式）。这样后续如果需要重新分析或者用不同的可视化方式，不需要重新计算。同时记录下STFT的所有参数（窗函数、窗长、重叠、采样率、时间范围），这些元数据对于结果的可追溯性至关重要。

我在一个项目中因为没有保存STFT参数，三个月后需要复现一张时频图时，完全想不起来当时用的什么窗长和重叠。只能重新试参数，浪费了大半天时间。从那以后，我养成了一个习惯：每次生成时频图，都在图片文件名里嵌入关键参数，比如stft_hann_512_75_5120.png，一看文件名就知道参数。

7.5 常见问题的快速排查清单

最后整理一个STFT分析中常见问题的排查清单，遇到问题时可以按这个顺序检查：

这个清单基本覆盖了我这些年遇到的大部分STFT相关问题。每次调试时按这个顺序过一遍，大部分问题都能快速定位。

STFT是一个看起来简单但细节很多的工具。窗函数、窗长、重叠率、边界处理、幅值标定，每一个环节都有坑。但一旦把这些细节都摸清楚了，它就成了振动分析中最得力的工具之一。我现在的习惯是，拿到任何一段非平稳振动信号，第一件事就是做STFT看时频图，先对信号的整体行为有个直观认识，然后再决定下一步用什么方法深入分析。这个习惯帮我避免了很多"盲人摸象"式的分析错误。