采樣點的數量與所需的頻率分辨率有關。例如，如果機器轉速為3000轉/分=50Hz，如果待分析的故障頻率估計小於8次，要求頻譜上的頻率分辨率為δF = 1hz，則采樣頻率和采樣點數設置如下:最高分析頻率FM = 8.50hz = 400hz采樣頻率fs = 2.56FM = 2.56 400Hz = 1024Hz；采樣數N = 2.56(FM/δf)= 2.56(400Hz/1Hz)= 1024譜線數M=N/2.56=1024/2.56=400。
根據FFT變換，我們實際得到的是1024的譜線，但是我們知道數學計算中有壹個負頻率，是對稱的。所以其實我們關註的是正頻部分對應的譜線，也就是說正頻有512條線。為什麽我們通常說這種情況下是400行？是因為壹般情況下，由於頻率混疊和時域截斷的影響，通常認為是400行。
另外，采樣點的數量並不是任意設定的，即越大越好，反之亦然。對於旋轉機械，需要滿足全周期采樣的要求，以消除頻率異常。單純提高分辨率並不能消除頻率異常。有人認為數據越長，時間域的信號長度越好。其實在壹些概念上是不清楚的，比如全周期采樣就不清楚。
無頻率混疊的最低采樣頻率Fs要求是最高分析頻率Fm的2倍，之所以采用2.56倍，主要與計算機的二進制表示有關。其主要目的是避免信號混淆，保證高頻信號不失真成低頻信號。采樣長度t的選擇首先要保證能反映信號的全貌，暫態信號要包含整個暫態過程；對於周期信號，理論上，采集壹個周期信號就夠了。其次，要考慮頻率分辨率。最大分析頻率Fm確定時，采樣長度T與頻率分辨率△f成反比，即T越長，頻率分辨率越小。壹般分析軟件設置譜線數m，采樣點數n = 2.56 m，信號分析中常用的采樣點有512，1024，2048，4096等。相當於200、400、800、1600等譜線數，光譜分析中采樣點數壹般選擇2的整數次方。△f=Fm/M，可見譜線M數越多，頻率分辨率越小△f，頻率分辨率越高。在電機的故障診斷中，為了發現邊帶間隔是極通頻率的峰值(壹般在1Hz以下)，往往需要很高的分辨率(1Hz以下)。壹般選擇210 HZFM，6400譜線。至於整周期采樣，很難實現，必然會因為信號截斷而導致泄漏。為了避免這些錯誤，我們應該采用添加窗口的方法。頻率分辨率也可以理解為算法(如功率譜估計法)保持原始信號中兩個非常接近的譜峰分開的能力。這是壹個用來比較和測試不同算法性能的指標。在信號系統中，寬度為n的矩形脈沖的頻域圖形為sinc函數，兩個壹階零點之間的寬度為4 π/n，由於時域信號的截斷相當於時域信號乘以壹個窗函數，因此信號的頻域相當於壹個sinc函數的卷積，即頻域被sinc函數調制。根據卷積性質，兩個信號的圓周頻率之間的差W0必須大於4 π/n..因此，如果數據點的數量n增加，即數據長度增加，頻率分辨率也可以提高，這與第壹解釋相同。同時考慮窗函數截斷數據的影響，當然也要考慮窗函數的特性。如果窗函數的頻譜是沖擊函數，相當於沒有截斷，但這種情況是不存在的。考慮窗口功能主要如下:
1.主瓣寬度b最小(相當於矩形窗中的4π/N，頻域中兩個過零點之間的寬度)。
2.最大旁瓣峰值A最小(因此旁瓣泄漏小，壹些高頻分量損失少)
3.旁瓣峰值的漸近衰減速度D是最大的(也減少了旁瓣泄漏)。
目前最常見的時頻分析方法有四種，分別是基於短時傅立葉變換、小波變換、Choi-Williams分布和Hilbert-Huang變換。實驗結果表明，希爾伯特-黃法具有最高的頻率分辨率。