如果您不关心计算成本，您可以在每个样本处启动一个窗口（例如 100% - 1 个样本重叠）。它很适合收益递减，但是相位声码器估计方法在重叠更大的情况下工作得稍微好一些。

[编辑：在统计方面增加了损失] 使用 STFT 的传统窗口版本，版本$v_N$有一跳$N$samples 本质上是子采样版本，具有因子$N$, 版本$v_1$，由@hotpawn2 描述，具有$L-1$-样本重叠。

所以在某种程度上，低跳频本质上包含更多或相同类型的信息，就像以更高频率采样的信号一样。当您比较一些啤酒花时，这尤其正确$h_1=h$和一个整数倍$h_2=K h$. 让我们重新表述：如果 STFT 适用于$h$, 它适用于$Kh$，后者是一种子采样形式（当没有 GCD 时，这可能会稍微多一些$h$）。所以你不会（太多）转换系数（更多相反）。此外，较高的冗余（较小的跳数）通常有利于不太稳定的信号和较高的噪声水平。如果你想提取信息，你可以更灵活地设计有用的逆。

但是，您失去的是冗余情况下统计假设的易处理性：重叠越大，帧之间不相关的假设越不有效，导出可靠的统计估计量可能很麻烦。这已经发生在估计周期图的研究中，威尔士版本确实允许窗口组合并产生具有 50% 重叠的良好结果。当重叠增加时，我缺乏有关其性能的相关文献的知识。

附加说明：当您执行了分析并进行了一些频谱图处理时，除了从分析窗口推导出的那些之外，还存在其他逆。从这样的自然反演中，可以设计优化的反演，例如更好地集中在时间或频率上，以限制时频域伪影的传播。

可能的阅读：

• 基于最小统计谱峰度的短时傅里叶变换中高斯白噪声的估计：在水下噪声中的应用
• 短时傅里叶变换与局部信号，Shuhei Okumura，2011，博士论文

在某些情况下需要大量重叠，但一般来说，通常使用信号处理来减少我所说的数据通过系统时的维度。在一个系统中存在大量冗余，这违背了社区的审美，包括在 dsp 上搜索周期。它还使用更多的瓦特。

大量重叠也使系统分析变得更加困难，尤其是与独立性相关的假设。

增加基于块的处理中的重叠使其更接近于时不变处理。

这方面的一个应用是通过重新编码图像并将块边界转移到所有可能的像素位置并通过计算平均图像来减少 JPEG 压缩伪影，请参见：

咏叹调诺拉蒂尼亚。通过重新应用 JPEG 来增强 JPEG 压缩图像。VLSI 信号处理杂志27, 69–79, 2001。

在音频应用中，如果处理容易产生伪影，或者如果块输出的总和不能完美地重建信号，那么重叠窗口的频率可能是可听到的，并且可以通过在每个样本。更极端的是在子样本步骤开始块。

除了计算成本外，高重叠对我来说似乎只有好处。