描述窗函数的两个主要因素是：

1. 主瓣宽度（即，在哪个频率区间，功率是最大响应的一半）
2. 旁瓣的衰减（即，旁瓣离主瓣有多远）。这告诉您窗口中的频谱泄漏。

另一个不那么经常考虑的因素是旁瓣的衰减率，即旁瓣衰减的速度有多快。

以下是四个众所周知的窗口函数的快速比较：矩形、布莱克曼、布莱克曼-哈里斯和汉明。下面的曲线是 64 点窗口的 2048 点 FFT。

您可以看到矩形函数的主瓣非常窄，但旁瓣非常高，约为 13 dB。其他滤波器的主瓣明显更宽，但在旁瓣抑制方面表现更好。最后，一切都是取舍。你不能两者兼得，你必须选择一个。

也就是说，您对窗口函数的选择在很大程度上取决于您的特定需求。例如，如果您尝试分离/识别频率相当接近但强度相似的两个信号，那么您应该选择矩形，因为它会为您提供最佳分辨率。

另一方面，如果您尝试对具有不同频率的两个不同强度信号执行相同的操作，您可以很容易地看到来自一个信号的能量是如何通过高旁瓣泄漏的。在这种情况下，您不会介意较胖的主瓣之一，并且会在分辨率上稍作损失，以便能够更准确地估计其功率。

在地震和地球物理学中，通常使用Slepian 窗（或离散的长球面波函数，它们是 sinc 核的特征函数）来最大化集中在主瓣中的能量。

在1978 年的这篇开创性的弗雷德哈里斯论文中，有很多不同的窗口进行了比较：

“使用 Windows 进行离散傅里叶变换的谐波分析”

非常值得一读！

您的问题有点令人困惑，因为平滑时间序列通常不会在与窗口相同的上下文中使用。

您可能的意思是对时间序列进行窗口化具有平滑（或涂抹）频率响应的效果。您可以在几乎所有 DSP 书籍中找到最常用窗口的属性和设计权衡的描述，并且 wiki 也涵盖了该主题http://en.wikipedia.org/wiki/Window_function。除了传统的主瓣宽度和旁瓣衰减之外，还有一个选择窗函数的标准，我还没有在 DSP 书中看到过，那就是计算方便。例如，在某些应用程序中，汉明窗是首选，因为如果您对汉明窗进行 FFT，您只会得到 3 个非零抽头！

您当然可以通过使用窗函数对其进行滤波来平滑时间序列，因为窗函数具有低通特性。但这可能不是你要问的。