1. 加窗的主要目的是管理频谱泄漏量。如果您不知道这是什么，只需搜索此论坛或提出单独的问题。
2. 为了减少频谱泄漏，窗口必须在窗口的末端淡出。
3. 需要重叠以确保所有样品的重量均等（至少粗略）。任何窗口都将中间样本的权重高于边缘样本。因此，边缘处的样本在下一个（或上一个）窗口中的权重必须更高。这可以通过重叠窗口方便地完成。

如何计算需要重叠的点数？

对于许多“正常”窗口（汉宁、汉明等），50% 的重叠适用于大多数应用程序。

如果我不重叠连续的窗口会发生什么？

这在很大程度上取决于信号，但这里有一个例子。假设您有长度为 128 的非重叠汉宁窗，以 n = 64、192、320 等为中心。

如果您的输入是 n = 64 处的单位脉冲，则您位于第一个窗口的中间，权重为 1，您将获得 0 dB 的平坦频谱。如果您的输入是 n = 128 处的单位脉冲，那么您位于第一个窗口的最后一个样本，这里的权重很小（0.00059297），因此您的频谱下降超过 -64 dB，这显然是错误的。由于不重叠，您“错过”了信号中的主要事件，因为它落在“窗口之间”。

50% 的重叠解决了这个问题，因为 n=128 正好在下一个重叠窗口的中心。

如果没有重叠，那么可逆性就会丢失，信息也会丢失。

如果有重叠，但很少，那么分析信息就会丢失（但不是综合，这是更基本的）。即从 0 到 0.5 倍的采样频率，如果“跳长”为 2，则 0.25 和 0.5 之间的频率的分析信息是混叠的。如果跃点长度为 4，则 0.125 到 0.5 是别名，依此类推。

“分析信息”首先是转换数据的目标（如果我们只关心保留输入，那么就不要进行转换）。对于 STFT，它指的是时频调制信息：一行捕获（在窗口的分辨率内）信号随时间变化的瞬时频率和幅度。重叠越少（跳跃长度越大），捕获的动态就越少。

好消息是，如果您所寻求的只是频谱图，即 STFT（幅度）的绝对值，那么此信息的丢失是相当小的：采用绝对值全局将每行的频率移向低频，通常是非常低的频率，这允许较大的跳数。这在小波变换中得到了证明，但是对于大多数 STFT 窗口来说，这些参数将大致成立。

值得注意的是，对于除 1 以外的任何跃点长度的频谱图，同样会失去严格的可逆性；损失的程度可以通过 Griffin-Lim 等反演算法来估计。但是，如果我们不能反转原始 STFT，这实际上意味着我们完全丢弃了数据段；与模数不同，这是 100% 不可恢复的。

如果处理能力受到限制，选项有： 1) 使用更宽的窗口，这会以时间分辨率为代价提高频率分辨率，但也允许更大的跳数；2）重叠相加。