信號的語譜圖

2.1帶限信號特性

語音中設計窗函數，窗函數性質大同小異，這里以窗函數為對象進行分析。

對于時域的窗函數：

其表達式為：

對應的傅里葉變換：

?

表達式為：

可見信號的時寬越大（小），信號的頻帶寬度越小（大），對于矩形窗，有著帶寬B與時寬乘積為這樣的特性，其他窗函數也有著類似的性質。

MATLAB仿真舉例：

根據上面的分析，信號長度定為2000（即2*pi的長度）的話，矩形窗為40，要滿足時寬與帶寬乘積為2000不變，理論上帶寬應為50，一下的結果圖驗證了上面的理論：

由于語音信號具有短時平穩特性，因此對其分析時，要進行加窗處理，借助上面的分析，可以看出，窗長如果選擇短一些的話，就是時寬較小，對應的帶寬就要大一些，在這種情況下得到的就是寬帶語譜圖，反之則得到窄帶語譜圖。

2.2 窄帶語譜圖

對于一段語音進行分析（語音內容為0 1 2 3 4 5 6 7 8 9），語音采樣率為8000Hz,取窗長為512個數據點，幀移為窗長的1/4，即128個數據點。

得到如下結果圖：

從結果圖中可以清楚看到諧波的結構，頻率分辨率非常好，但是時間上的分辨率就不理想。對于上述語音，畫出其頻率特性：

語音低頻部分（紅線）體現了聲道的特性，窄帶語譜圖，頻率分辨率太過精細，不能很好體現出共振峰的大致位置，即反映不出基波的變化特性。

?

2.3寬帶語譜圖

對于一段語音進行分析（語音內容為0 1 2 3 4 5 6 7 8 9），語音采樣率為8000Hz,取窗長為128個數據點，幀移為窗長的1/4，即32個數據點。

得到如下結果圖：

?

與窄帶語譜圖相反，寬帶語譜圖的時間分辨率很好，頻率分辨率較低，不能很好反映聲音的紋理特性，反映了頻譜的時變特性，能很好分辨出共振峰的大致位置，但分辨不清諧波結構。

總結

以上是生活随笔為你收集整理的信号的语谱图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。