যেহেতু আপনি একটি স্থির নমুনা হার নিয়ে কাজ করছেন, আপনার এফএফটি দৈর্ঘ্য (যার জন্য আপনার উইন্ডো একই প্রস্থে থাকা প্রয়োজন) আপনার ফ্রিকোয়েন্সি রেজোলিউশনকে বাড়িয়ে তুলবে। একটি সূক্ষ্ম ফ্রিকোয়েন্সি রেজোলিউশন থাকার সুবিধা দ্বিগুণ: আপাত এক হ'ল আপনি একটি সূক্ষ্ম ফ্রিকুয়েসি রেজোলিউশন পান, যাতে আপনি ফ্রিকোয়েন্সিটির খুব কাছে থাকা দুটি সিগন্যাল আলাদা করতে সক্ষম হন able দ্বিতীয়টিটি হ'ল, উচ্চতর ফ্রিকোয়েন্সি রেজোলিউশনের সাথে আপনার এফএফটি শব্দের তলটি কম হবে। আপনার সিস্টেমে গোলমালের একটি স্থির শক্তি রয়েছে, এটি আপনার এফএফটি পয়েন্টের সংখ্যার সাথে সম্পর্কিত নয় এবং সেই শক্তিটি আপনার সমস্ত ফ্রিকোয়েন্সি উপাদানগুলিতে সমানভাবে বিতরণ করা হয়েছে (যদি আমরা সাদা শব্দের সাথে কথা বলি)। সুতরাং, আরও বেশি ফ্রিকোয়েন্সি উপাদান থাকার অর্থ আপনার ফ্রিকোয়েন্সি বিনগুলির স্বতন্ত্র শব্দের অবদানকে হ্রাস করা হবে, যখন মোট সংহত শব্দটি একই থাকে, যার ফলশ্রুতি নীচের শব্দে মেঝেতে। এটি আপনাকে একটি উচ্চতর গতিশীল পরিসর পার্থক্য করতে দেয়।
তবে লম্বা এফএফটি ব্যবহারে ত্রুটি রয়েছে। প্রথমটি হ'ল আপনার আরও প্রসেসিং শক্তি প্রয়োজন। এফএফটি হ'ল একটি (এনলগএন) অ্যালগরিদম, যেখানে পয়েন্টের সংখ্যা এন। যদিও এটি নিষ্পাপ ডিএফটি হিসাবে নাটকীয় হতে পারে না, এন এর বৃদ্ধি আপনার প্রসেসরের রক্তপাত শুরু করবে, বিশেষত যদি আপনি একটি এমবেডেড সিস্টেমের সীমানায় কাজ করছেন। দ্বিতীয়ত, যখন আপনি এন বাড়ান, আপনি সময় রেজোলিউশন হারাতে গিয়ে ফ্রিকোয়েন্সি রেজোলিউশন অর্জন করেন। একটি বৃহত্তর এন সহ, আপনার ফ্রিকোয়েন্সি ডোমেন রেজাল্টে পৌঁছানোর জন্য আপনাকে আরও নমুনা নেওয়া দরকার, যার অর্থ আপনার দীর্ঘ সময়ের জন্য নমুনা নেওয়া দরকার। আপনি একটি উচ্চতর গতিশীল পরিসীমা এবং সূক্ষ্ম ফ্রিকোয়েন্সি রেজোলিউশন সনাক্ত করতে সক্ষম হবেন তবে আপনি যদি সর্বাধিক সন্ধান করছেন তবে কখনই স্পারটি ঘটেছিল সে সম্পর্কে আপনার একটি কম স্পষ্ট ধারণা পাবেন।
আপনার যে ধরণের উইন্ডোটি ব্যবহার করা উচিত তা হ'ল একটি সম্পূর্ণ বিষয়, যা আমি আপনাকে জানাতে চাই না যে কোনটি ভাল। তবে, বিভিন্ন উইন্ডোতে আলাদা আলাদা আউটপুট বৈশিষ্ট্য রয়েছে, যার মধ্যে বেশিরভাগ (সমস্ত না থাকলে) এফএফটি ফলাফল প্রক্রিয়াকরণে বিপরীত পোস্ট হয়। কিছু উইন্ডো আপনার ফ্রিকোয়েন্সি উপাদানগুলিকে সাইড বিনাতে রক্তাক্ত করতে পারে (যদি আমি ভুল না করি তবে হ্যানিং উইন্ডোটি আপনার উপাদানগুলি তিনটি বাক্সে উপস্থিত করে তোলে makes), অন্যরা আপনার উপাদানগুলিতে কিছু লাভের ত্রুটি প্রবর্তনের সময় আপনাকে আরও ভাল ফ্রিকোয়েন্সি নির্ভুলতা দিতে পারে। এটি আপনি যে ফলাফলটি অর্জনের চেষ্টা করছেন তার প্রকৃতির সাথে সম্পূর্ণরূপে নির্ভরশীল, তাই আপনার নির্দিষ্ট প্রয়োগের জন্য কোনটি সেরা এটি পৌঁছানোর জন্য আমি কিছু গবেষণা (বা কিছু সিমুলেশন) করতাম।