时频分析学习

最新推荐文章于 2023-10-04 23:03:44 发布

trentczp

最新推荐文章于 2023-10-04 23:03:44 发布

阅读量3.6k

点赞数 3

分类专栏： audio dsp 文章标签：时频分析 audio

本文链接：https://blog.csdn.net/trentczp/article/details/95998706

版权

15 篇文章 6 订阅

订阅专栏

1. FT STFT

资料《1_The Audio Programming Book_MIT》 chapt7

变换公式，其中N为信号点数。正变换需要除以点数N。

实际c语言计算时用下式来分别对实部虚部进行计算。
在这里插入图片描述
DFT获得复数序列，其中实数是cos谐波的总和，虚数表示sin谐波的和（注意-符号）。

如果信号的频率不在DFT的所有频点上，则计算的dft幅度误差大。

对实时，DFT的结果的特性：如果N为偶数，则第N/2+1个点的频率为fs/2，第2-N/2个点（频率为fs/N到fs/2-fs/NHz）的幅度与N-N/2+2个点（频率为fs-fs/N到fs/2+fs/NHz）对称。即只需关注幅度谱上0-fs/2 Hz的频点的幅度（第1点到N/2+1点）。
实数的重构：如下式，已知虚部总和为0，则不需要计算虚部，只计算实部即可。

又：

可得：

在这里插入图片描述

右半边频点Xk实际对应负频率，**实部与左半边的实部相同，虚部与左半边的虚部的符号相反。**原因:Xk的实部是cos的和，虚部是sin的和。
频率0和fs/2的XK均是实值。考虑到负频率，实际上fs/2频率应该视为 ±fs/2。
由于实信号的频谱被分为了正负半轴，所以除了0Hz外，每个频点的幅度为时域信号中谐波幅度的一半。（这是matlab的fft得到Xk后要/N*2才与时域幅度相等的原因）
matlab中 angle得到的是±pi内的相位，unwrap(angle(XK))/pi*180可观察连续的相位谱。

时域加窗，即频域卷积，窗w的频谱包络会强加到每个x的采样点上。
在这里插入图片描述

hopsize：帧移，根据窗类型来确定，hn、hm窗最佳选N/4,可确保成功重构信号。
overlapped-Add： dft时，每次移动H个点，截取Nfft个点加窗做fft。重建信号时，每次得到Nfft个点后，加窗，然后将其存至outsig序列中，前后两次存储的帧移也是H个点。
rfftw lib中的fft和ifft细节:计算N点fft得到N点的实数输出（结构为0至N/2点的实部，N-1点至1点的虚部，恰好共N个点），只保留了0-fs/2 Hz信号的实部和虚部，丢弃了右半边频率轴的信息。并且没有除以N。若要代入ifft必须先整体除以N。
The Audio Programming Book_MIT : 本书中的fft也只保留了左半边频率轴（0-fs/2 Hz）信息：顺序为0Hz、fs/2 Hz信号的实部，之后为1Hz的实部虚部，2Hz的实部虚部，直到fs/2-1 Hz的实部和虚部。并且除以了N。fft的结果可以直接带入ifft变换。如下图所示：
即表示fft的频点，多篇文章上都看到了freq bin。
单帧STFT结果幅度表示信号中谐波的幅度，而相邻帧STFT的相位信息则可提取出瞬时频率，instantaneous freq。重要！！！
we will be able to transform the amplitude and frequency aspect of a sound, by manipulating the magnitudes and phase values of each bin

Xr =abs_X1*cos(phi2);
Xim =abs_X1*sin(phi2);

2.频域filter

对输入信号的幅度谱进行调整。（乘上cos类似低通滤波器，乘上sin类似高通滤波器。）之前遇到的将电压信号的幅度谱与系统频响幅度曲线相乘，再变换回时域得到位移，也是此种场景。
处理思路，将滤波器的H（z）的z用exp(j2pik/N表示，得到H(k)再写成rectangular形式，与XK的实虚部相乘即可。

第2部的解释：为了对齐前后帧内信号相位，需要对分析窗内数据移位。当前窗的帧移为ha，则窗内右侧ha个点的数据需要移动至最左侧。这样连续采样的帧信号之间没有相位差。
核心：相邻bin的第k个频点的瞬时频率的估计：当前k点的dft频率加前后两帧相位差对应的频率， = dphi/2pifs/hop+k/Nfs
1.4.2 信号合成 resynthesis

1.4.3 pv的缺点
1、dft频率分辨率相同，低频误差较大。当多个频率进入单个分析频时，计算不准确。所以，更适合 harmonic spectra（A harmonic spectrum is a spectrum containing only frequency components whose frequencies are whole number multiples of the fundamental frequency）。
1.4.4 应用
- 1. spectral morphing：两个幅度谱和瞬时频率谱变换。
- 1. 瞬时频率估计：除了采用pv方法中直接求相位差的方法，还可以利用两次dft的方法。
- c代码范例：利用pv进行升降调
- - matlab版本： http://www.ee.columbia.edu/~dpwe/resources/matlab/pvoc/

Wigner-Ville distribution， Short-time Fourier Transform， Wavelet Transform以及Hilbert-Huang Transform

关注