我有一个30秒的语音信号，它以44.1 kHz的频率采样。现在，我想展示一下语音的频率。但是，我不确定这样做的最佳方法是什么。似乎有时会计算傅立叶变换的绝对值，有时会计算功率谱密度。如果我理解正确，后者的工作原理就是将信号分成几部分，逐部分进行FFT，然后以某种方式将它们相加。窗口函数以某种方式涉及。您能为我澄清一下吗？我是DSP的新手。

评论

将信号分成多个部分，找到每个部分的频谱，然后平均频谱可以帮助减少噪声，但同时也降低分辨率。参见en.wikipedia.org/wiki/Welch%27s_method

#1 楼


现在，我想展示一下语音的频率。但是，
我不确定什么是最好的方法。似乎有时会
计算傅立叶变换的绝对值，并且有时会
计算功率谱密度。然后选择功率谱密度（PSD）。这是因为这将简单地为您提供每个频带中的信号功率。另一方面，如果您不想/不在乎物理意义，但是想知道每个频段的傅立叶振幅如何相对变化，则可以坚持绝对幅度。

实际上，您可以将PSD计算为简单的傅立叶变换平方的绝对大小。例如，如果您的信号为$ x [n] $，其DFT为$ X（f）$，则DFT的绝对大小为$ | X（f）| $，而PSD为$ | X（ f）| ^ 2 $。


如果我理解正确，后者的工作原理就是将信号划分为多个部分，逐个进行FFT，然后以某种方式将它们相加。 Window
函数以某种方式涉及。您能为我澄清一下吗？我是DSP新手。


不，这不是事实。您在这里所说的是指短时傅立叶变换（STFT）。这只是将您的时域信号切碎，旋转它，然后采用傅立叶变换。到最后，您仍然会有一个复杂的矩阵。如果选择其绝对值，则将具有绝对值傅立叶变换矩阵。如果将其绝对大小平方，则将有一个功率谱密度矩阵。

#2 楼

了解诸如语音信号之类的重要信息是其频率分量随时间变化。为了在频域中表示语音，我们通常采用足够短的信号窗口，在该窗口内我们可以假设语音频谱变化不大（通常为10 ms）。因此，我们使用STFT（通常在窗口之间有些重叠）为每个连续的10 ms窗口计算功率谱，并将每个连续的谱视为该特定时间语音频率分量的“快照”。通常，将连续光谱绘制在3D图中，例如在频谱图上，在X轴上显示时间，在Y轴上显示频率，并在每个X，Y位置将幅度绘制为假彩色或灰度强度。