理解MPEG声学模型中短窗和长窗的判决和使用

在MPEG多层声频编码中，声学模型中用了2种长度的FFT,1024长度的长FFT和3个256长度的短FFT;
得到的结果一起使用，转变成另一组513维的数据数组；再转变到一个63维的数组；
以此同时，还得到帧内总能量，根据能量大小，决定本次MDCT的加权系数选择，我们有四种加权系数窗口，可以分为，一般窗，开始窗，结束窗和短时窗四种；一般窗的能量小，短时窗的能量大，而开始窗和结束窗则是前面两种窗的过渡窗；
从信号的能量大小，引致MDCT的加权系数的改变，当然还有其他的编码影响，这是什么原因呢？
我觉得这里根本上，是要区分能量的大小问题，这是频域声频编码的核心。能量小的信号，由于掩蔽效应基本上不用或用很少的编码带宽，尽量把编码带宽用在能量大的声频帧中。用短窗可以得到MDCT的中频和高频段被boost的效果。
有人说长窗的可以提供最细的频谱解析度，短窗可以提供最细的时间解析度，我需要时间来理解这句话。