如果代码中分完帧以后语音出现了假设，一条语音的长度是112000，窗长320，窗移160， 出现的形状是8，2，699，161，分别代表batch_size,channel,time,frequency。8代表实际的意义是8条语音，2代表每一条语音有2个通道，699代表分了699帧，161代表每一帧的特征点。这样的话，实际上理解就是161代表了一帧，所以如果代码中操作最后一个维度的话，就代表是在一帧上进行操作的。
关于傅里叶变换以后为什么会是共轭对称的，数学上有严格证明，我自己的理解就是用欧拉公式（不能保证是对的，因为是自己的理解，我只是觉得好记，还不用数学证明。），
关于傅里叶变换的理解，这篇文章写的挺好的，会从三维的角度看变化。(87条消息) 信号频域分析的一点理解_beike-lucky的博客-CSDN博客_频域分析
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
