傅立叶变换各参数代表什么

傅立叶变换基本思想：以适当的某种频率的间隔，将语音分解为一组基础信号，再用傅里叶算法，计算出每组信号的幅度和相位。因此频率是提前假设好的，再在这个假设好的频率上面通过幅度和相位去拟合语音。

分帧就是将语音分成一段一段的，再进行傅里叶变换，因为窗口大小win_length确定后，就确定了已经预设的一组频率（通过n_fft确定，见下文），所以每个帧对应一组频率，对应的这组频率就可以得到这组频率对应的幅度和相位，因为傅里叶变换返回的是复数，复数中包含了幅度和相位的信息。

对复数求abs就省略相位，只保留幅度

win_length:窗口大小，

比如说一段语音频率16000HZ，即16000个点/秒，则这里设置空口大小意味着，采样多少个点。

比如说窗口大小设置为320，则表示这个小窗口采样320个点，因为16000个点所用时间为1秒，则小窗口采样320个点所用时间为0.02秒。说明窗口的时间长度为0.02秒。

这个小窗口通过傅立叶变换后的频率组间隔为 1/0.02 = 50,这个50也就是傅立叶时的基准频率。

n_fft:变换点数n_fft是指在进行FFT计算时,（0-2PI一个周期） 输入信号的样本点个数。变换点数越大,FFT的频率分辨率越高,可以更准确地展现输入信号的频率特征。 常见的变换点数选择是2的幂次,如1024、2048、4096等。 这是因为FFT算法的高效性和计算速度与输入信号样本点个数相关, 并且对于2的幂次,计算过程可以采用更高效的算法优化。 在选择变换点数时,需要根据应用需求和信号特性进行权衡。较小的变换点数可以获得较快的计算速度，但频率分辨率可能不足以展现细节或较高频率成分。 较大的变换点数可以提高频率分辨率，但计算速度可能变慢。

如果n_fft=256，则一个小窗口可以得到256/2+1=129个频率组成的频率组，这些频率组的频率即为基准频率的倍数。如果通过小窗口大小固定住基准频率为50hz后，频率组频率为：50hz,100hz,150hz,...(129*50)hz。

接下来，用傅立叶算法，可以根据这些频率求出其幅度和相位。

Hop_length:这个比较简单，跳过多少采样点取下一个小窗口，最终取得的小窗口个数为语音长//Hop_length+1。或者写为（sr*time）// hop + 1

每个小窗口就是一个帧。

语音变换为时频后的张量形式为（维度，  数）

维度相当于每个帧上面取了多少个频率，每个频率对应的幅度是多少，或者说这个帧上面的幅度是多少，组成了这么一个维度的幅度带，这个幅度带叠加后形成了这个小窗的语音信息。

帧数相当于整个这个语音信息分成了多少个时间点，或者说时间段，是在时间维度上的度量。

将语音由一维变成幅度-时间（频率是时间的另一个层面）的二维向量后，就可以用于深度学习了。

脑电图转换等都是用的这种方法。