0
点赞
收藏
分享

微信扫一扫

hanning窗?hamming窗?如何理解语音信号处理中时间窗的作用

Spinach菠菜 2022-01-11 阅读 69
语音识别

参考:如何理解FFT中时间窗与RBW的关系 - 知乎 - 如何理解FFT中时间窗与RBW的关系

hanmming窗和hamming窗的作用_西檬饭-CSDN博客_hamming - hanning窗和hamming窗的作用

FFT(fast Fourier transform)- 快速傅立叶变换

RBW(Resolution Bandwidth) - 分辨率带宽

        在声源定位的学习过程中,接触到了时间窗这一概念。在声源定位方法——广义互相关-相位变换方法(Generalized Cross Correlation PHAse Transformation,GCC-PHAT)中,涉及FFT变换。

        FFT变换是在一定假设下完成的,即认为被处理的信号是周期性的。如果对Frame 1作FFT运算,则会对其进行周期扩展。由于采用矩形窗口且待 FFT 分析的信号时长不是信号周期的整数倍,在周期扩展的时候 ,产生额外的频率成分,该现象称为频谱泄露。频谱泄露会扰乱测试,尤其在观测小信号时,较强的频谱泄露成分可能淹没比较微弱的信号。

上图给出了一正弦信号的采集样点波形,展示了频谱泄露的产生过程。

如何避免或者降低频谱泄露呢?这就需要使用下文介绍的时间窗 (Window) 技术。

        在FFT之前,时间窗与波形相乘,两边的数据信息都被抑制为0,可以保证样点的连续性。两边的数据信息丢失了,所以等会移窗的时候,可以移1/3或1/2窗,这样被前一帧或二帧丢失的数据又重新得到了体现。

        我接触的例程则更加简单粗暴,其使用矩形窗以后,直接舍弃了最后一段不满一帧的数据,也避免了频谱泄露的问题。

举报

相关推荐

0 条评论