除了其他人已经说过的，我将尝试从纯粹的实际角度来回答它（这也是重叠添加技术的一种变体）。

如果您的 FFT 长度为 2048，则重叠 1024 (50%) 意味着您的分析 (FFT) 帧数是没有任何重叠的帧数的两倍。512 个样本重叠（75%）意味着帧数是原来的 4 倍，以此类推。

重叠的目的主要是为了减少开窗的影响。大多数窗口函数（例如 Blackman、Hamming 等）都是锥形的，这意味着它们在帧边缘附近下降到 0（或接近 0）。当然，这会影响 FFT 结果，我们可能会丢失一些重要信息（例如瞬态）。

因此，为了减少窗口的这种负面影响，我们使用重叠。这里的基本思想是我们可以对重叠帧的 FFT 结果进行平均，从而获得更好的时域信号频率表示。实际的频率分辨率仍然与没有重叠的情况相同。

例如，假设我们使用 1024 个样本进行 FFT，并且我们有 50% 的重叠（512 个样本）。我们可以平均 3 个重叠帧来计算最终（平均）幅度值

M_avg[frame][i] = (M[frame-1][i]+M[frame][i]+M[frame+1]]i])/3 ; // i is just a bin index--in this case the bins range from 0 to 512

因此，为了计算例如第 5 帧的幅度，我们对第 4 帧、第 5 帧和第 6 帧的幅度进行平均，然后除以 3（平均帧数）

还有其他重叠的用例，但上面描述的可能使用最多。

如果保持采样率和 FFT 大小相同但更改重叠，则每单位时间的 FFT 数量将发生变化。在二维光谱图中，当绘制相同的持续时间时，单位时间内更多数量的 FFT（或 STFT）将使图的宽度大致增加一倍，或者缩小 X 轴尺寸。

它会影响结果，因为您必须遵守恒定重叠相加条件 (COLA)，以便在 STFT 期间计算的连续 FFT 的总和能够正确重建整个信号的 FFT。

这是 COLA 条件：

在哪里

• $w[n]$是窗户
• $R$是连续窗口之间样本的跳跃大小

因此，如果您选择的窗口重叠不遵守可乐条件，您的 STFT 将无法正确重建信号。

参考：https ://ccrma.stanford.edu/~jos/sasp/Overlap_Add_OLA_STFT_Processing.html