音乐处理原理第二章:信号傅里叶分析-补充

本文深入探讨了音乐信号的傅里叶分析,包括时间分辨率、频率分辨率和那奎斯特频率的计算。同时,文章通过数学证明阐述了采样操作的线性性质和量化操作的非线性特性。还详细介绍了正交基底的概念,并通过程序展示了傅里叶变换在实际信号处理中的应用,包括三角函数的傅里叶变换、数字信号的傅里叶分析和加窗信号的幅度DFT。最后,应用hanning窗口进行短时傅里叶变换(STFT)以分析声音文件并提取MIDI信息。
摘要由CSDN通过智能技术生成

一些练习

采 样 频 率 F s = 1 / 采 样 周 期 T 采样频率F_s = 1/采样周期T Fs=1/T

  • 计算以下STFT的时间分辨率,频率分辨率和那奎斯特频率
    1. F s = 22050 H z , N = 1024 , H = 512 F_s=22050\mathrm{Hz}, N = 1024, H = 512 Fs=22050Hz,N=1024,H=512
    2. F s = 48000 H z , N = 1024 , H = 256 F_s = 48000\mathrm{Hz}, N = 1024, H = 256 Fs=48000Hz,N=1024,H=256
    3. F s = 4000 H z , N = 4096 , H = 1024 F_s = 4000\mathrm{Hz}, N = 4096, H = 1024 Fs=4000Hz,N=4096,H=1024

时间分辨率= H T = H / F s HT = H/F_s HT=H/Fs,频率分辨率= 1 / N T = F s / N 1/NT=F_s/N 1/NT=Fs/N,那奎斯特频率= F s / 2 F_s/2 Fs/2

  1. 23.22ms,21.53Hz,11025Hz
    2.5.33ms,46.88Hz,24000Hz
    3.256.00ms,0.98Hz,2000Hz
  • 证明采样操作是线性操作,而量化操作不是线性操作

证明如下:
设 采 样 操 作 M , M ( f ( t ) ) = f ( n T ) M ( a f 1 + b f 2 ) ( t ) = ( a f 1 + b f 2 ) ( n T ) = a f 1 ( n T ) + b f 2 ( n T ) = a M ( f 1 ( t ) ) + b M ( f 2 ( t ) ) 设 量 化 操 作 Q , Q ( x ( n ) ) = s g n ( x ) ⋅ Δ ⋅ ⌊ ∣ x ∣ Δ + 1 2 ⌋ 易 得 ⌊ a ⌋ = 0 , a ∈ [ 0 , 1 ) , 则 根 据 阿 基 米 德 定 理 , 总 存 在 一 个 大 数 N 使 得 N a > 1 不 妨 设 存 在 n 0 , 使 ∣ x ( n 0 ) ∣ < 1 2 Δ 故 1 ≤ Q ( N x ( n 0 ) ) ≠ N Q ( x ( n 0 ) ) = 0 设采样操作M, M(f(t)) = f(nT) \\ M(af_1 + bf_2)(t)=(af_1+bf_2)(nT) = af_1(nT)+bf_2(nT)=aM(f_1(t))+bM(f_2(t)) \\ 设量化操作Q, Q(x(n)) = sgn(x) \cdot \Delta\cdot \lfloor \frac{|x|}{\Delta}+\frac{1}{2}\rfloor \\ 易得\lfloor a\rfloor = 0,a\in[0,1),则根据阿基米德定理,总存在一个大数N使得Na > 1\\ 不妨设存在n_0,使|x(n_0)| < \frac{1}{2}\Delta \\ 故1\le Q(Nx(n_0)) \neq NQ(x(n_0)) = 0 M,M(f(t))=f(nT)M(af1+bf2)(t)=(af1+bf2)(nT)=af1(nT)+bf2(nT)=aM(f1(t))+bM(f2(t))Q,Q(x(n))=sgn(x)ΔΔx+21a=0,a[0,1),N使Na>1n0使x(n0)<21Δ1Q(Nx(n

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值