function [windowVector, metrics] = create_window_with_metrics(windowType, windowLength, varargin)
    % CREATE_WINDOW_WITH_METRICS - 윈도우 함수 생성 및 성능 지표 계산
    %
    % 입력:
    %   windowType   - 윈도우 타입 문자열: 'none', 'hann', 'hamming', 'blackman', 'chebwin'
    %   windowLength - 윈도우 길이 (샘플 수)
    %   varargin     - 추가 파라미터 (예: chebwin의 경우 sidelobe level)
    %
    % 출력:
    %   windowVector - 생성된 윈도우 벡터 (1 x windowLength)
    %   metrics      - 윈도우 성능 지표 구조체
    %                  .type              : 윈도우 타입
    %                  .length            : 윈도우 길이
    %                  .snr_loss_dB       : SNR 손실 (dB)
    %                  .scalloping_loss_dB: Scalloping 손실 (dB)
    %                  .coherent_gain     : 코히어런트 이득
    %                  .enbw              : Equivalent Noise Bandwidth (bins)
    
    % 기본 파라미터 설정
    if windowLength <= 0
        error('Window length must be positive.');
    end
    
    % 윈도우 함수 생성
    switch lower(windowType)
        case 'none'
            windowVector = ones(1, windowLength);
            
        case 'hann'
            windowVector = hann(windowLength)';
            
        case 'hamming'
            windowVector = hamming(windowLength)';
            
        case 'blackman'
            windowVector = blackman(windowLength)';
            
        case 'chebwin'
            % Chebyshev 윈도우는 sidelobe level 파라미터 필요 (기본값: 60dB)
            if ~isempty(varargin)
                sidelobe_dB = varargin{1};
            else
                sidelobe_dB = 60;
            end
            windowVector = chebwin(windowLength, sidelobe_dB)';
            
        otherwise
            warning('Unknown window type "%s". Using Hann window as default.', windowType);
            windowVector = hann(windowLength)';
            windowType = 'hann';
    end
    
    % 윈도우 성능 지표 계산
    metrics = calculate_window_metrics(windowVector, windowType);
end


function metrics = calculate_window_metrics(windowVector, windowType)
    % CALCULATE_WINDOW_METRICS - 윈도우 함수의 성능 지표 계산
    %
    % 계산 항목:
    %   1. SNR Loss (dB)       : 윈도우 적용으로 인한 SNR 손실
    %   2. Scalloping Loss (dB): FFT bin 사이(0.5 bin offset)에서의 최대 손실
    %   3. Coherent Gain       : 윈도우의 평균 진폭
    %   4. ENBW (bins)         : Equivalent Noise Bandwidth
    
    w = windowVector(:).';  % Row vector로 변환
    N = numel(w);
    
    if N == 0
        metrics = struct('type', windowType, 'length', 0, ...
                         'snr_loss_dB', NaN, 'scalloping_loss_dB', NaN, ...
                         'coherent_gain', NaN, 'enbw', NaN);
        return;
    end
    
    % 1. Coherent Gain (코히어런트 이득)
    coherent_gain = mean(w);
    
    % 2. Noise Power Gain (잡음 전력 이득)
    noise_power_gain = mean(abs(w).^2);
    
    % 3. SNR Loss (dB)
    % SNR_loss = (Noise Power Gain) / (Coherent Gain)^2
    % 이는 윈도우 적용 시 신호 대 잡음비가 얼마나 감소하는지를 나타냄
    if abs(coherent_gain) > eps
        snr_loss_linear = noise_power_gain / (abs(coherent_gain)^2);
        snr_loss_dB = 10 * log10(snr_loss_linear);
    else
        snr_loss_dB = NaN;
    end
    
    % 4. Equivalent Noise Bandwidth (ENBW)
    % ENBW는 윈도우가 얼마나 많은 주파수 bin의 잡음을 통과시키는지 나타냄
    enbw = N * noise_power_gain / (sum(w)^2);
    
    % 5. Scalloping Loss (dB)
    % FFT bin 중간(0.5 bin offset)에 신호가 위치할 때의 최대 손실
    % 이는 가장 나쁜 경우의 신호 손실을 나타냄
    sample_index = 0:(N-1);
    half_bin_response = abs(sum(w .* exp(-1j * 2 * pi * 0.5 * sample_index / N)));
    dc_response = abs(sum(w));
    
    if dc_response > eps
        scalloping_loss_dB = -20 * log10(half_bin_response / dc_response);
    else
        scalloping_loss_dB = NaN;
    end
    
    % 결과 구조체 생성
    metrics = struct(...
        'type', lower(windowType), ...
        'length', N, ...
        'snr_loss_dB', snr_loss_dB, ...
        'scalloping_loss_dB', scalloping_loss_dB, ...
        'coherent_gain', coherent_gain, ...
        'enbw', enbw);
end