liyihao17的博客

一、幅度谱clean_spec = librosa.stft(clean_sig, win_length=320, hop_length=160, n_fft=320)mag = np.abs(clean_spec)mag即得到的幅度谱二、相位谱clean_spec = librosa.stft(clean_sig, win_length=320, hop_length=160, n_fft=320)phase = np.angle(clean_spec)phase即得到的相位谱

1. 最基本那肯定是STFT，说白了就是FFT加窗。有人肯定说这不算是feature，因为这是raw data，但是现在深度学习已经越来越多的使用这种raw data作为“feature” 输入到网络让模型自己学习其中的特征。其物理含义也十分明确：就是把时间信号转换为时间-频率的信号，根据FFT的窗长和选择的窗函数来决定时间-频率分辨率的tradeoff。说白了就是直接让你看每一段时间内的频率成分。从人类感知的角度来说，在连续的声音中人耳感知和分析的是短时间的一段段信号，所以这也是使用STFT的一个原因。