如果您真的坚持使用 FFT（而不是参数方法，它不会受到时间/频率权衡的影响），您可以通过使用相位信息来恢复每个 FFT 箱的瞬时频率来伪造更好的分辨率。然后可以通过寻找函数中的平台来检测部分，该函数将瞬时频率作为 FFT bin 索引的函数。如本文所述，此技术的常见实现将“花费”您一个额外的 STFT（瞬时频率通过对信号的 STFT 和信号导数的 STFT 的操作来恢复）。

例如，请参阅此 Matlab音频信号正弦建模实现中的 ifgram 函数。

请注意，这无助于解决掉入相邻 FFT 箱的两个部分。与仅将频谱峰值的 FFT bin 索引转换为频率相比，它只会提供更准确的频率估计。

术语“分辨率”具有多种含义。通常，您无法通过使用相同窗口长度的数据进行插值来提高分离（或“解析”）紧密间隔的光谱峰的能力。但是，您可以通过各种插值方法以比 FFT bin 间距更精细的分辨率（有时更精细的分辨率）来估计远高于本底噪声的孤立固定频谱峰值的频率。

用于更高分辨率估计的常见 FFT 结果插值方法包括抛物线插值、Sinc 插值、将数据零填充到更长的 FFT 中，以及使用（略微）偏移重叠窗口的相位声码器方法。

FFT 本质上是一组带通滤波器，对于给定的 FIR 滤波器内核长度，每个滤波器都具有非常陡峭的过渡，但有大量的阻带纹波。因此，这些滤波器对非周期性窗口噪声没有很好的噪声抑制。如果您怀疑这种类型的干扰是一个问题，那么窗口 FFT 或自定义滤波器组的性能可能会更好。

在Jim Clay问题和pichenettes在评论中回答的进一步研究之后，我发现我的Method2是重新发明的有界 Q 变换，例如 Kashima 和 Mont-Reynaud 描述的（我不确定我可以链接到这篇文章，文件看起来被撕掉了） .

他们的方法在算法上更有效，因为它们从最大的频率范围开始并迭代地向下采样 2 直到它们达到最低倍频程。

例如，布朗还探讨了 Q 变换的好处。它可能不如单个 FFT 高效，但具有在不需要的高频带上不计算厚 FFT 的优点。

感谢所有答案、评论和链接。

如果您保留输入的“历史”，并使用它来重叠您的 DFT，那么它将提供更多信息以从中提取光谱内容。当然，这取决于信号的时变特性。它在形式上类似于概率分布函数。

这将为您提供时间间隔更近的 DFT。然而，它仍然会增加每个 DFT 的时间不确定性，这是受自然规律限制的：时间和频谱行为的确切值不能同时确定。

但是，如果频率内容在窗口内变化不大，那么应该没问题。