深入浅出地理解傅里叶变换、语谱图(spectrogram)
深入浅出地理解傅里叶变换
类比:就像光的色散一样,sound相当于白光,FT相当于棱镜,散射出来的各色的光谱就是频域信息
直观理解:傅里叶变换将复杂的时域声音信号转换成了频域部分
深入理解:首先将原始信号与许多不同频率的正弦信号相比较
对于每一种频率,我们得到了一个振幅和一个相位
振幅信息表现了原始信号和对应频率的正弦信号之间的相似程度
离散傅里叶变换 (DFT)
因为计算机中存储的信号通常是离散信号,所以我们要使用离散傅里叶变换 DFT
连续函数的计算使用积分,离散函数的计算使用求和
从离散傅里叶变换(DFT)到快速傅里叶变换(FFT)的计算复杂度:
设N是样本点的个数,DFT的复杂度为N^2
FFT的复杂度为Nlog2N 当N是2的幂时FFT非常有效
傅里叶变换得到一个复数-频率谱
对于有N个样本点的时域信号进行傅里叶变换比如进行(np.fft.fft)
之后得到有M个频率点的傅里叶变换系数向量,且M=N
每一个复数的模代表幅度,角代表相位信息
取np.absolute(ft)得到Magnitude spectrum
频域信息就像是信息的一个快照,它是关于整个时间段的信息
频域信息是对整段时间内的信息进行了平均的计算
Short-Time Fourier Transform 短时傅里叶变换 得到 spectrogram
傅里叶变换的问题是我们知道关于整段时间内频域的信息
但是我们不知道相关信息对应的是什么时候发生了,也就是没有时域信息
因此我们考虑将整个时间段分为一个个小时间段,也就是frames
即局部地进行傅里叶变换而不是对全局傅里叶变换
短时傅里叶变换包含了时域和频域的综合信息
(STFT的原理其实就是在DFT的基础上,引入分帧加窗处理的思想)
关于输出:
DFT输出的是一个频谱向量,向量的值都是复数,向量的长度是(# frequency bins)
frequency bin指的是时域信号经过FT之后得到的spectrum中频率轴的频率间隔
(DFT中N=M,所以frequency bin = 1 sample,而 # frequency bins = N)
STFT输出的是一个频谱矩阵(# frequency bins, # frames)
(# frequency bins) = frame_size/2 + 1 (# means the number of)
(# frames) = (sapmles - framesize) / hopsize + 1
!!!区分好frequency bin的数量和一个frequency bin中元素的数量这两个概念!!!
对矩阵再进行逐位平方就将幅度转化为功率了,最终得到了语谱图!
语谱图是一段音频在时域和频域特性上的综合描述
语谱图其实有很多种,有幅度、功率、频率语谱图,而且还有尺度相关的东西
深入浅出地理解傅里叶变换、语谱图(spectrogram)相关推荐
- 语谱图(二) Spectrogram 的产生
1. 信号预处理部分 预处理部分中 包括 预加重 分帧 加窗 : 1.1 读取音频数据 python可以用librosa库来读取音频文件,但是对于MP3文件,它会自动调用audio_read函数,所以 ...
- waveform波形图(时域图)、spectrum(频谱图)、spectrogram(语谱图)、MFCC
人的气流(excitation)通过声道到嘴唇产生声音.唇齿舌的形状决定了发出怎样的声音,这个形状通过频谱图中的包络中显示出来.而MFCCs就是一种准确描述这个包络的一种特征. 一.waveform波 ...
- 宽带语谱图(wideband spectrogram)和窄带语谱图(narrowband spectrogram)的区别
1.概念区分 宽带spectrogram: 以3ms(或300Hz左右的带宽)左右进行分帧之后制成的spectrogram 窄带spectrogram: 以20ms(或45Hz左右的带宽)左右进行分帧 ...
- 语音信号处理-概念(一):时域信号(横轴:时间;纵轴:幅值)、频谱图(横轴:频率;纵轴:幅值)--傅里叶变换-->时频谱图(语谱图/声谱图)【横轴:时间;纵轴:频率;颜色深浅:幅值】
我们经常接触到与频谱相关的概念.本节对这些概念之间的区别进行简单的介绍. 一般来讲,将一段时域信号通过离散傅里叶变换后,将频率作为横轴.幅度作为纵轴,得到的图像称作 频谱.若将相位作为纵轴,则称为 相 ...
- 语谱图(四) Mel spectrogram 梅尔语谱图
1. 语谱图的产生 前文介绍了语谱图的产生 这里在简单小结如下, 信号预处理,预加重, 分帧, 加窗, 进行STFT 变换, 生成频谱图: 对单帧信号的频谱进行映射, (2,3 步骤如下图) 将映射后 ...
- python求语音信号短时能量、短时过零率、语谱图
python语音信号处理(二) 一.短时能量 短时能量主要用于区分浊音段和清音段,因为浊音时E(i)值比清音时大得多:区分声母与韵母的分界和无话段与有话段分界. 计算第i帧语音信号yi(n)的短时能量 ...
- 【语音信号处理】1语音信号可视化——时域、频域、语谱图、MFCC详细思路与计算、差分
基本语音信号处理操作入门 1. 数据获取 2. 语音信号可视化 2.1 时域特征 2.2 频域特征 2.3 语谱图 3. 倒谱分析 4. 梅尔系数 4.1 梅尔频率倒谱系数 4.2 Mel滤波器原理 ...
- python实现时频谱,语谱图,mel语谱倒谱等
python实现时频谱,语谱图,mel语谱倒谱等 可以和理论相结合学习:https://blog.csdn.net/qq_36002089/article/details/108378796 语音信号 ...
- python绘制语谱图(详细注释)
用python 绘制语谱图 1.步骤: 1)导入相关模块 2)读入音频并获取音频参数 3)将音频转化为可处理形式(注意读入的是字符串格式,需要转换成int或short型) 代码如下: import ...
- 使用Matlab绘制语音信号的语谱图
本文绘制语音信号的语谱图主要使用了spectrogram函数,spectrogram是一个MATLAB函数,使用短时傅里叶变换得到信号的频谱图.当使用时无输出参数,会自动绘制频谱图:有输出参数,则会返 ...
最新文章
- ffmpeg源码分析:transcode_init()函数
- 如何查linux系统安装时间查询,Linux系统怎样查询当前的系统时间
- 调度流程图_Flink 实现Locality 模式调度
- Hibernate ORM框架——连接池相关
- 贝叶斯分类器_python机器学习API介绍10:多项式贝叶斯分类器
- Tensor数据相关的运算、函数讲解及与numpy区别
- excel趋势线公式导出_如何用Excel进行预测分析?
- 补习系列(13)-springboot redis 与发布订阅
- 肇庆计算机商务学校地址,肇庆市商业学校(商业技工学校)招生报名
- 周期性行业是什么意思_什么样的股票适合长期持有?股票知识学习
- Linux音频驱动-WAV文件格式分析
- 知名互联网公司网站架构图
- pagination分页(支持首页,末页,跳转)
- 对于计算机系统结构,下列哪些是透明的?(计算机系统结构期末习题解析,史上最全)
- 1月24日源码中国VB源码下载排名
- 外文版计算机科学期刊,计算机期刊大全(国外英文资料).doc
- Dagger2利器系列二:懒/重加载+Component 的组织关系
- 关于声音的前后左右上下的控制以及单声道立体声的区别
- 7人制足球技战术要点
- 【Leetcode刷题Python】40. 组合总和 II