您可能听说过物理学中出现的不确定性原理，其中最著名的是海森堡的不确定性原理。但是不确定性原理也适用于信号。正如海森堡的不确定性由以下不等式描述：

以上对粒子位置和动量测量的分辨率水平施加了限制。事实上，它们的关系是相反的，即随着粒子位置测量精度的增加，其动量测量精度会降低，或者换句话说，其动量测量的不确定性会增加。

现在在信号处理中，目标是通常在频域或时域（也可能在空间域）中提取有关信号结构（如果有的话）的信息。但是，正如您在图表中正确描述和分析的那样，我们在时域中获得的越精确，我们对其频谱的估计就越不确定。你可以在涟漪中直观地看到它。最小的时间窗口$N=16$导致较高频率的最大纹波，在信号的功率谱中也占有相当大的比例，但由于$N$纹波也会增加，从而增加我们对信号频谱结构的确定性。

这个最小阈值称为 Gabor 极限，其原理称为 Gabor 不确定性。

注意：“更大的窗口提供更少的时间分辨率”的意思是，信号在时域中的某些属性可能不太突出，而在频域中，我们会更确定它的属性和结构。

从实际的角度来看，这个限制也很重要，因为除了其他因素之外，它还可以帮助我们为我们的特定应用选择一个合适的窗口，在这个窗口中可能需要从两个域中提取特征，有时我们只关心时域属性，有时对于频域属性和其他时间两者（有时也可以从另一个域中测量的属性中对一个域中的属性进行暗示）。

总之，信号在时域中的传播越多，在频域中的传播越小，反之亦然。在模拟信号中，这种现象的一个典型例子是时域中的矩形脉冲，傅里叶变换是 sinc 函数（表现出频谱泄漏）。