假设我们正在设计一个低通 FIR 滤波器，我想使用以下三个窗口之一：Bartlett、Hann 或 Hamming。来自 Oppenheim & Schafer 的离散时间信号处理，第 2 版，p。471：}
它们三个都提供相同的过渡带宽：其中是滤波器的阶数，并且假设足够大。
然而，每个窗口的过冲（我们称之为）是不同的，以下不等式成立：
的过渡带。如果我们使用另外两个窗口之一，过渡带的宽度是相同的，但是超调会增加。
这使我认为没有任何情况下会使用 Hann 或 Bartlett 窗口，因为 Hamming 窗口比它们更好：它改善了一个方面（），在另一个方面保持不变（）。
问题是：如果始终可以使用 Hamming 窗口，为什么有人会选择 Hann 窗口或 Bartlett 窗口？
在审查各种窗口的 Fred Harris 品质因数（此链接值下将 Hamming 与 Hanning (Hann) 进行比较，从中可以看出 Hann 将提供更大的阻带抑制（经典Hann 在的情况下，从表中可以看出旁瓣衰减为 -18 dB 每倍频程）。我提供了链接，因为您可以看到在为各种应用程序选择窗口时涉及的更多注意事项。
当使用 Matlab/Octave 比较 51 个样本 Hann 和 Hamming 窗口的内核时，这一结果是显而易见的。请注意，Hann 的第一旁瓣电平较高，但总体上明显更大的抑制：
就个人而言，我不会使用任何一个窗口进行过滤器设计。如果有任何窗口，我会使用 Kaiser 窗口，或者最好是 firls。有关相关讨论，请参阅FIR 滤波器设计：Window vs Parks McClellan 和 Least Squares。
我将 26 个样本 Hann 与 26 个 Hamming 进行卷积，得到另一个 51 个样本“Hann-Hamming”，结果如下：
更新：这个 Hann-Hamming 不会（通常）胜过类似主瓣宽度的 Kaiser 窗口：
然后我尝试了我称之为“SuperKaiser”的方法，我将两个较短长度的 Kaiser 窗口进行卷积，得到另一个 51 个抽头窗口，结果如下。这是通过将 Kaiser(26,5.5) 与 Kaiser(26,5.5) 卷积来完成的，这样 SuperKaiser(51,5.5)= conv(kaiser(26,5.5),kaiser(26,5.5)。乍一看，它似乎一般优于 kaiser(51,12)，与主瓣宽度匹配，并在大多数阻带上提供出色的阻带抑制。在 AWGN 假设下对总阻带噪声的积分是有趣的，以查看这个新窗口在该条件下是否优越（SuperKaiser 劣势的前两个旁瓣下的相对面积是否完全抵消了所有剩余的阻带改进？）。如果我有时间，我会添加该评估。有趣！正如@A Concerned Citizen 敏锐地指出的那样，
如果攻击者知道窗口并试图集中噪声频谱以最小化您的 S/N，那么极小极大解决方案（例如汉明窗口）可能是最佳计数器。
大多数噪声往往不是故意恶意的，至少从统计学上讲，使得极小极大解决方案不太理想。
