其他答案很好，但我认为我会尝试给出更直观/直观的答案，因为我是一个直观/直观的人。

下图是频率几乎相同的两个音调的图。一种色调用红色绘制，另一种用蓝色绘制。

我在 Matlab 中使用以下代码生成了图片：

tone1 = sin(2*pi*.05 * (0:99));
tone2 = sin(2*pi*.0501 * (0:99));
plot(tone1)
hold on
plot(tone2, 'r')

从图片和代码都可以看出，两种音调的频率非常接近。在这个短窗口结束时，它们开始有点分离，但它们仍然非常相似，以至于 DFT 无法区分它们。

如果我创建具有相同频率的相同音调，只有我使窗口更长（这次是 5000 个样本而不是 100 个），我们会得到一个截然不同的画面。显然每个音会有更多的循环......

...但这不是有趣的部分。当我们在窗口末尾放大时，我们看到了有趣的部分。

我们看到两个音调在窗口末端相差 180 度，这使得它们非常容易区分。那么我怎么知道要挑选 5000 个样本呢？两种音调的区别是$.0002\pi \frac{radians}{sample}$， 所以$5000$样品$* .0002\pi \frac{radians}{sample} = \pi$弧度。

正如提到的另一个答案，DFT 的分辨率是采样频率除以采样数（即窗口长度）。我隐含地将采样频率设为 1，因此如果我们将 1 除以 5000（采样数），我们得到分辨率为 0.0002 Hz。我们的音调实际上相差 0.0001 Hz，这意味着tone2 将在tone1 的bin 和它旁边的bin 中都有能量（在所有其他bin 中也有一点点，但这是另一回事）。

这就是不确定性原理。

http://en.wikipedia.org/wiki/Uncertainty_principle#Harmonic_analysis

在计算 DFT 的频率分辨率或 bin 宽度时，公式如下：

frequency_resolution = sample_rate/fft_size

假设您有一个 8000 Hz 采样率的音频信号，但您想要非常高的频率分辨率。一秒钟内只有 8000 个样本，但您想要进行 32K FFT 以获得非常高的频率分辨率。当您对 8000 个样本的序列进行 32K FFT 时，您需要用大量零填充序列以填充 FFT。这样做没有任何附加价值，因此当您在频域中获得高分辨率时，没有足够的样本支持，因此它只是插值数据。频域图是平滑的和插值的。

现在假设你有很多数据，但是很多数据需要时间来填充 FFT 寄存器。假设您的采样率为 8000，但您想要真正的高分辨率并且您将等待它。您等待 4 秒来填充 32K FFT。现在，当您采用 FFT 时，没有额外的零填充来填充它。因此，当您查看绘图时，这些箱不是插值的，而是由大量数据支持的，因为您等待它。

这就是区别。当您具有低样本支持的长 FFT 时，您将获得插值数据。这就是你所说的时频权衡。如果你想要高分辨率，你需要数据来支持它。