1.采樣頻率（HZ）、采樣率與采樣點數
如圖，采樣頻率（注：采樣率與采樣頻率單位是不一樣的，但是結果換算差不多，就是采樣頻率可以為小數，而采樣率只能為整數）就是每秒鍾采集我們每次所需要采集的采樣點的次數，其單位是（hz）或者（次/秒），采樣率表示每秒采樣點的個數，其單位是（個/秒），而采樣點數就是發送數據一次所傳輸的點數，舉個例子：
•當采樣點為100時，我們數據的更新率為20次，即傳輸了二十次數量為100的采樣點，所以我們的采樣頻率就是100*20=2000（hz）或者說是2000（次/秒）
•由上式我們可以看出，它的取樣周期為一個sample里取了20次，即$\frac{1}{{20}}$為我們一個sample的取樣時間，所以采樣率為$\frac{{100}}{{1/20}} = 2000$（SPS）或者說是2000（個/秒）。
2.頻率分辨率
這個名詞我們從兩個方面來解釋：
1 從離散傅里葉變換DFT來看，頻率分辨率是在頻率軸上能得到的最小的頻率間隔。
$$\Delta f = \frac{1}{{N{T_s}}}$$
如上式所示，其中$\Delta f$是頻率分辨率，N是采樣點數，在實際中就是我們所使用的窗長，${{T_s}}$是采樣間隔，所以${N{T_s}}$是進行采樣前的模擬信號的時間長度，所以我們的信號長度越長，我們的頻率分辨率就越好，即頻率間隔越小表示越好。但我們要注意的是，雖然我們可以增加窗長，即增加采樣點數量，但與此同時我們的采樣間隔就相應減少了，所以僅僅只增加窗長是無法增加頻率分辨率的，需要在增加窗長的同時增加數據的時間長度，這樣才能增強頻率分辨率。
2 將其從算法角度來看，頻率分辨率就是將原信號中兩個很近的譜峰保持能分開的能力。這種方法我們以矩形窗來講述一下，假設矩形窗寬度為N，經過傅里葉變換后我們知道它頻域為sinc函數，兩個一階零點的間隔為$\frac{{4\pi }}{N}$。我們也可以知道，時域信號的截斷相當於在時域信號上乘了一個矩形窗函數，頻域則是卷積了一個sinc函數，即頻域受到sinc函數的調制，而矩形窗的兩個信號圓周率之差必須大於$\frac{{4\pi }}{N}$，所以我們需要增加數據長度（這里的N就是上面的${N{T_s}}$）。
下面是幾種常用的窗函數的主瓣寬度B、旁瓣寬度A與衰減速度D：
| 窗類型 | 主瓣寬度B | 旁瓣寬度A | 衰減速度D |
| 矩形窗 | $\frac{{4\pi }}{N}$ | 13dB | 6dB/oct |
| 三角窗 | $\frac{{8\pi }}{N}$ | 27dB | 12dB/oct |
| 漢寧窗 | $\frac{{8\pi }}{N}$ | 32dB | 18dB/oct |
| 海明窗 | $\frac{{8\pi }}{N}$ | 43dB | 6dB/oct |
3.基音周期
通常情況下，認為在一個幀內應該包括1個到7個基音周期。然而，對於不同人而言，基音周期變化是不同的，變化范圍也較大，從女性和兒童的2毫秒到老年男子14毫秒(即基音頻率的變化范圍為70~500Hz)，因此窗口長度的選定還是比較困難，需要具體情況具體分析。通常在8kHz的采樣頻率下，窗口長度一般取80~160點合適（即基音周期的時間為10~20 毫秒）。
$$t = \frac{N}{{{f_s}}}$$
其中t是時間，N為窗長，${{f_s}}$為采樣頻率。