我试图最小化变量频谱中的噪声。我试图将时间历史分成相等的部分，做这个时间历史部分的 FFT 并在这些 FFT 之间做一个平均值。
执行此程序后，我发现高频的趋势似乎与不执行此程序的趋势略有不同。我使用带有 Matlab 的命令将时间历史的每个部分乘以 Tukey 窗口
A= tukeywin(L)
使用 Tukey 窗口，我发现趋势似乎与第一个更相似。有人可以解释我为什么吗？我试图搜索这个窗口的理论，但我总是找到过滤器的定义，但我不明白这可能是这个窗口的效果。
我注意到的另一个事实是，显然使用 Tukey 窗口可以减少能量含量，是否有技术可以减少噪音以避免这种减少？
我只需要一个建议即可开始，很难理解哪种是降低噪音的正确技术。
您描述的技术看起来类似于Welch 的功率谱密度估计方法。不过，您的实现似乎存在错误：您应该采用 FFT 的绝对平方值，而不是复数值。这样的错误可能会显着影响您的结果，因为随机相位可能会使您达到频谱的零平均值。无论如何，大多数用于信号处理的语言（例如 MATLAB 和 Python）都包含一个现成的 Welch 方法实现，因此您不必弄乱细节。建议：由于频谱的变化是由于用户使用了多个窗口（变化减少与 N 成正比），您可能希望重叠窗口。常见 Hann 窗的典型重叠率为 50%。
窗口类型不应以您描述的方式影响光谱。时间上的乘法相当于频率上的卷积。因此，窗口效应应该主要影响您的频谱泄漏。你的信号是静止的吗？这是使用这种技术的基本假设。
实际上，据我所知，您描述的信号不包含时域信息，而仅包含频域信息。换句话说，不应该有具有定义相位的周期性分量。因此，通常用矩形窗口处理（然后就不需要重叠了）。
使用任何窗口都会降低能量，因为窗口的值小于 1。这可以通过将结果除以窗口范数/平均值来补偿（可能是两个或其他系数的幂 - 取决于您的频谱类型想估计）。无论如何，如果您使用MATLAB 的实现，它为您包装了所有内容，您不必担心。