时域
波形
包络：时间轴分辨率不高时，包住波形的曲线。
频域
语音不是一个单独的频率，而是由声带振动产生一组谐波（只有一个频率成分）叠加而成，第一个峰叫做基音，其余的峰叫做泛音。第一个峰的频率叫做基频f0，也是相邻峰的间隔，即其他泛音频率都是f0的整数倍。基频倒数就是基音周期。
音高pitch是人耳感受到的音高，与f0是两个概念，但由于pitch不好计算，又与f0变化一致，因此ASR中提取pitch特征经常指提取f0特征。
声道相当于滤波器，对声带振动产生的信号做时域卷积，即频域乘积，相当于把某些谐波放大、某些谐波缩小。这些谐波峰的高度决定了音色，但没必要精确描述每个峰的高度，而是用共振峰来描述音色。声道滤波器频域上的包络峰值就是共振峰，F1、F2、F3...
其他
- 混响 Reverberation：反射时间小于50ms，不同角度、不同时间的漫反射声音混合起来。
- 回声 Echo：反射时间大于50ms。
- 侧音 Side Tone：通常指在终端设备（例如电话机）中，发端信号经处理后，其中一部分回馈到自身接收电话的那部分信号。
比较好的论文：
扫一扫
1463
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
