RH1FFT blog

FFTでは原理上データが無限に連続していることを前提にしています。
これの意味するところはデータの最後と最初がつながっているということです。しかしながら通常データはこの条件を満たしていません。したがって、不連続になってずれている部分で誤差が出ています。これを漏れ誤差（leak　error)といいます。
これにより変換後のデータにノイズがのることになります。これを回避する（抑制する）ために窓関数を用います。
窓関数には方形、ハニング、ハミング、フラットトップ、等いくつかあります。ただし、方形は窓関数を使用しないというものです。
それぞれ、周波数分解能、ダイナミックレンジ等で特徴があります。
共通した特徴としては、始点及び終点を0に漸近させていることです。したがって窓関数を使ってFFTをかけたデータを逆FFTをかけても、中間付近のデータが強調され、始点、終点付近が0のデータとなります。
具体的なデータとしては
http://cessna373.asablo.jp/blog/cat/43window/
を参考にしてください

時間領域で特定の周波数が連続するデータのこと。
音響や振動解析において用いると特定の周波数について分析でき、エネルギーが集中できるため、特定の周波数を分析するのに適する。しかしながら、ガタ等の非線形の影響がでやすいという短所もある。（逆にこれにより非線形性をあぶりだすことに用いることもできる）
例えば440Hz、880Hz、1760Hz、、、で同じ振幅のWAVデータのCDを用いて
CD->CDプレーヤー->アンプ->スピーカー->マイク->PC
と録音すると、周波数ごとのこの系全体の伝達関数がわかり、さらに、FFTすることで、2倍、3倍、4倍といった高調波（harmonics）を測定でき、どのくらい歪んでいるかを定量化できる。

特定の周波数であるサイン波では全体的な傾向をつかんだり、どの周波数が対象か特定していない場合には時間がかかるという問題点がある。
その欠点を補うため、サイン波の周波数を時間とともに変化させる（掃引、sweep)したものがチャープ波（chirpあるいはスェプトサインswept sign)です。
特徴としては、時間が比較的短く、かつインパルス応答と比較して、ノイズの影響が少ない（S/Nがよい）、振動解析の場合には加振器が必要ということがあげられる。
周波数の増え方が時間に線形に増加、指数関数的に増加の二種類があり、線形の場合には各周波数ごとのエネルギーが一定になり、指数関数的な場合にはオクターブ毎のエネルギーが一定になる。後者は特に音響解析時に用いる。これは人間の耳が指数関数的に音を認識するためであり、1オクターブ上の音は周波数が2倍であり、したがって、ピアノやハープの弦の長さは1オクターブ違うと長さが半分になり、弦の長さが指数関数的に変化している。

振動解析を行う際に加振を行う方法として、サイン波、チャープ波、ランダム波等を用いた場合には、加振器が必要であるが、それなりに高価な上に、設置等に知識が必要なため、初心者には難しく、エキスパートも準備に時間がかかる。
この問題に対処できるのがインパルス波である。インパルスハンマー(impulse　hammer)あるいはインパクトハンマーと呼ばれるいわゆるハンマーを用いて対象物を瞬間的に（impulse）加振する。
特徴としては加振器を用いないため設置に頭を悩ませない、一回の測定がすぐに終わる、加振器よりは安い、人間がたたくのでばらつきが大きい、加振スペクトルを制御できない、周波数ごとに最適なハンマーが異なる、特定の周波数を加振するエネルギーが小さいというものがある。
音響解析では加振器が必要ないため、チャープ波等が簡単に行えるため、インパルス波を用いることはほとんどない。