FFT'nin uzunluğu frekans ve zaman çözünürlüğü arasındaki bir değiş tokuştur. Spektrogramlar genellikle ilgilenilen sinyal üzerindeki çakışan FFT'lerin hesaplanmasıyla üretilir. FFT'yi daha uzun yaparsanız, her çıkış bölmesinin etkin bant genişliği küçülür, böylece frekans ekseni boyunca çözünürlük artar. Elde edebileceğiniz frekans çözünürlüğü için tek sınırlayıcı faktör, sinyalden elde ettiğiniz toplam gözlem süresidir.
Ancak aynı zamanda, zaman içinde yerelleştirilen bir özelliği çözme yeteneğiniz de azalır. Bunu düşünmenin sezgisel bir yolu, FFT'yi karmaşık bir aşağı dönüştürme ve ardından bir entegre etme ve boşaltma işlemi olarak görmektir:
X[ k ] = ∑n = 0N-- 1( x [ n ] e- j 2 πn kN-)
Bu şekilde görüntülemek, zaman çözünürlüğü kaybını daha belirgin hale getirir. Parantez içindeki ürün değişiyorx [ n ] tarafından sıklıkta 2 πn kN-ve ortaya çıkan sinyal, N-örnekleri. İçinde bir özellik varsax [ n ] yalnızca sınırlı bir zaman diliminde bulunur, N-daha büyük hale gelirse, çakışan FFT'lerin çoğu entegrasyon zaman pencerelerinde bu süreyi içerecektir. Bu nedenle, özellik spektrogram görüntüsünün daha fazla satırında görünecektir (sürenin Y ekseni boyunca olduğu varsayılarak). Daha sonra, özelliğin bulunduğu spektrogramın sütunlarını (yani frekans bölmelerini) keserseniz, daha geniş ve lekelenmiş bir tepe görürsünüz. Bu nedenle, özelliğin başlangıcındaki gerçek zaman konumunu çözümlemek için daha az yeteneğiniz vardır.
Ayrıca, FFT uzunluğunun artırılmasının, gerçek zamanlı uygulamalar için alakalı olabilecek daha fazla hesaplama gerektirdiğini de haklısınız.