语音信号处理：分帧【从宏观上看，帧长必须足够短来保证帧内信号是平稳的】【从微观上来看，帧长又必须包括足够多的振动周期】

语音信号处理常常要达到的一个目标，就是弄清楚语音中各个频率成分的分布。

做这件事情的数学工具是傅里叶变换。傅里叶变换要求输入信号是平稳的，当然不平稳的信号你想硬做也可以，但得到的结果就没有什么意义了。

而语音在宏观上来看是不平稳的——你的嘴巴一动，信号的特征就变了。但是从微观上来看，在比较短的时间内，嘴巴动得是没有那么快的，语音信号就可以看成平稳的，就可以截取出来做傅里叶变换了。这就是为什么语音信号要分帧处理，截取出来的一小段信号就叫一「帧」。

如下图：这段语音的前三分之一和后三分之二明显不一样，所以整体来看语音信号不平稳。红框框出来的部分是一帧，在这一帧内部的信号可以看成平稳的。

那么一帧有多长呢？帧长要满足两个条件：

• 从宏观上看，它必须足够短来保证帧内信号是平稳的。
  前面说过，口型的变化是导致信号不平稳的原因，所以在一帧的期间内口型不能有明显变化，即一帧的长度应当小于一个音素的长度。
  正常语速下，音素的持续时间大约是 50~200 毫秒，所以