PV-TSM原理及matlab仿真

1.概述

WSOLA 能够保持输入信号中最显著的周期性，即基频，见WSOLA原理及仿真.。提高 TSM 信号质量的下一步是保留所有信号分量的周期性。 这是频域 TSM 程序的主要思想，它将每个分析帧解释为具有已知频率和相位的正弦分量的加权和。 基于这些参数，这些组件中的每一个都被单独处理，以避免在重建信号中的所有频率上出现相位跳跃。
输入信号频率分析的基本工具是短时傅立叶变换。然而，根据所选的离散化参数，结果频率估计可能不准确。 为此，相位声码器（虽然术语“相位声码器”指的是一种用于估计瞬时频率的特定技术，但它在文献中也经常用作 TSM 程序本身的名称）技术用于通过导出正弦分量的瞬时频率来改进短时傅立叶变换的粗略频率估计。 在基于相位声码器 (PV-TSM) 的 TSM 程序中，这些改进的估计用于在相位传播的过程中更新输入信号的正弦分量的相位。

2.短时傅里叶变换STFT

PV-TSM 最重要的工具是短时傅里叶变换 (STFT)，它将傅里叶变换应用于给定输入信号的每个分析帧。 信号 x 的 STFT X 由下式给出

X(m,k) = ${\sum }_{-N/2}^{N/2}{x}_m(x)w(r)exp(-2\pi ikr/N)$ （1）

其中 m ∈ Z 是帧索引，k ∈ [0 : N − 1] 是频率索引，N 是帧长度，xm 是等式 (1) 中定义的 x 的第 m 个分析帧，w 是一个窗口函数。 给定输入信号的采样率 Fs，X(m, k) 的帧索引 m 与物理时间相关联

$T_{coef}(m)=\frac{m{H}_a}{F_s}$ （2）

上式以秒为单位，频率索引 k 对应于物理频率

$F_{coef}(k)=\frac{k{F}_s}{N}$ （3）

上式以 Hz 为单位。 复数 X(m, k)，也称为时频仓，表示第 m 个分析帧的第 k 个傅立叶系数。它可以用幅度 |X(m, k)| ∈ R+ 和相位 ϕ(m, k) ∈ [0, 1) 表示为

$X(m,k)=丨X(m,k)丨exp(2\pi i\phi (m,k))$ （4）

STFT X 的幅度也称为频谱图，用 Y 表示 ：

$Y=丨X丨$ （5）

在 PV-TSM 的背景下&#x