频谱图回答一个基本问题：在一段信号中，哪些频率的成分强？横轴是频率，纵轴是幅值（或声压级）。想象你敲击一个玻璃杯，频谱图上会在某个频率处出现一个尖峰——那就是杯子的固有频率。频谱图就像一张“成分快照”，告诉你信号里有哪些“音符”以及它们各自有多响。但它的局限在于：只反映一段时间内的平均结果，无法告诉你这些频率成分何时出现、何时消失。
瀑布图（又称频谱瀑布图或声谱图的三维版本）在频谱图基础上增加了时间轴。它通常以频率为横轴、时间为纵轴（或反之），用颜色或高度表示幅值，形成层层叠叠的“瀑布”效果。这样，你不仅能看到有哪些频率成分，还能看到它们随时间的演变。例如，电机启动时，瀑布图上会看到一条随转速升高而向上倾斜的亮线——这正是阶次分析的视觉基础。瀑布图让“静态快照”变成了“动态电影”。
频率分辨率决定了频谱图上两个相邻频率能否被区分开。它近似等于采样时长倒数的函数：分析时间越长，分辨率越高，越能分辨靠得很近的频率成分。但分辨率并非越高越好——长时间分析会牺牲对瞬态事件的捕捉能力。工程师需要根据被测对象的特点，在“看得细”和“跟得上”之间权衡。这就像拍照：快门时间越长，画面越细腻，但运动物体就越模糊。
对于旋转机械（如发动机、齿轮箱、风机），很多振动和噪声与转速直接相关。如果转速在变化，频谱上的峰值会“漂移”，难以对比。阶次分析通过将频率除以转速，把与转速成整数倍关系的成分（如1阶、2阶）固定下来，从而在变速工况下仍能清晰识别故障特征。例如，齿轮啮合频率通常对应特定的阶次，阶次图上出现异常峰值，往往提示齿面磨损或装配问题。阶次分析是旋转机械故障诊断的“标准语言”。
频谱图、瀑布图、频率分辨率和阶次分析，构成了声学与振动测试的入门知识链。它们帮助工程师从纷繁的信号中定位噪声源、识别共振、诊断故障。下次你听到异常噪声时，不妨想象它背后那张正在展开的瀑布图——每一道亮线，都是机器在“说话”。读懂这些图形，就是学会倾听机器的语言。
