1.采样频率（HZ）、采样率与采样点数
如图，采样频率（注：采样率与采样频率单位是不一样的，但是结果换算差不多，就是采样频率可以为小数，而采样率只能为整数）就是每秒钟采集我们每次所需要采集的采样点的次数，其单位是（hz）或者（次/秒），采样率表示每秒采样点的个数，其单位是（个/秒），而采样点数就是发送数据一次所传输的点数，举个例子：
•当采样点为100时，我们数据的更新率为20次，即传输了二十次数量为100的采样点，所以我们的采样频率就是100*20=2000（hz）或者说是2000（次/秒）
•由上式我们可以看出，它的取样周期为一个sample里取了20次，即$frac{1}{{20}}$为我们一个sample的取样时间，所以采样率为$frac{{100}}{{1/20}} = 2000$（SPS）或者说是2000（个/秒）。
2.频率分辨率
这个名词我们从两个方面来解释：
1 从离散傅里叶变换DFT来看，频率分辨率是在频率轴上能得到的最小的频率间隔。
$$Delta f = frac{1}{{N{T_s}}}$$
如上式所示，其中$Delta f$是频率分辨率，N是采样点数，在实际中就是我们所使用的窗长，${{T_s}}$是采样间隔，所以${N{T_s}}$是进行采样前的模拟信号的时间长度，所以我们的信号长度越长，我们的频率分辨率就越好，即频率间隔越小表示越好。但我们要注意的是，虽然我们可以增加窗长，即增加采样点数量，但与此同时我们的采样间隔就相应减少了，所以仅仅只增加窗长是无法增加频率分辨率的，需要在增加窗长的同时增加数据的时间长度，这样才能增强频率分辨率。
2 将其从算法角度来看，频率分辨率就是将原信号中两个很近的谱峰保持能分开的能力。这种方法我们以矩形窗来讲述一下，假设矩形窗宽度为N，经过傅里叶变换后我们知道它频域为sinc函数，两个一阶零点的间隔为$frac{{4pi }}{N}$。我们也可以知道，时域信号的截断相当于在时域信号上乘了一个矩形窗函数，频域则是卷积了一个sinc函数，即频域受到sinc函数的调制，而矩形窗的两个信号圆周率之差必须大于$frac{{4pi }}{N}$，所以我们需要增加数据长度（这里的N就是上面的${N{T_s}}$）。
下面是几种常用的窗函数的主瓣宽度B、旁瓣宽度A与衰减速度D：
| 窗类型 | 主瓣宽度B | 旁瓣宽度A | 衰减速度D |
| 矩形窗 | $frac{{4pi }}{N}$ | 13dB | 6dB/oct |
| 三角窗 | $frac{{8pi }}{N}$ | 27dB | 12dB/oct |
| 汉宁窗 | $frac{{8pi }}{N}$ | 32dB | 18dB/oct |
| 海明窗 | $frac{{8pi }}{N}$ | 43dB | 6dB/oct |
3.基音周期
通常情况下，认为在一个帧内应该包括1个到7个基音周期。然而，对于不同人而言，基音周期变化是不同的，变化范围也较大，从女性和儿童的2毫秒到老年男子14毫秒(即基音频率的变化范围为70~500Hz)，因此窗口长度的选定还是比较困难，需要具体情况具体分析。通常在8kHz的采样频率下，窗口长度一般取80~160点合适（即基音周期的时间为10~20 毫秒）。
$$t = frac{N}{{{f_s}}}$$
其中t是时间，N为窗长，${{f_s}}$为采样频率。