语音领域的快速傅里叶变换FFT

本文介绍了FFT(快速傅里叶变换)的基本原理,探讨了其图示对称性的原因,并详细阐述了FFT在语音识别领域的关键作用,包括特征提取和回声消除等。同时,提到了不同场景下选择不同窗长的重要性,如语音识别通常使用25ms窗长,而语音增强可能选择32ms或64ms。推荐了相关学习资源,帮助深入理解FFT算法。
摘要由CSDN通过智能技术生成

关注、点赞、收藏是对我最大的支持,谢谢^v^

1、FFT介绍

为什么FFT给出的图示是对称的,如下图,如何理解?

采样率1000Hz,信号由50Hz和120Hz两个信号叠加组成。

Fs = 1000;            % Sampling frequency                    
T = 1/Fs;             % Sampling period       
L = 1500;             % Length of signal
t = (0:L-1)*T;        % Time vector
S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
Y = fft(S);
P = abs(Y/L)

f = Fs*(1:L)/L;
plot(f,P) 

有两个要点:① FFT采用复指数计算获得;② 欧拉公式,即余弦波是由一个正频率和一个负频率累加获得。

  • 4
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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