python音频降噪处理_Python | 简单的扩音，音频去噪，静音剪切

对于任何的音频文件，实际上都是用这种存储方式，比如，下面是对应英文单词“skip”的一段信号(只不过由于点太多，笔者把点用直线连接了起来)：

衡量数字信号的能量(强度)，只要简单的求振幅平方和即可：

E = sum(x[n]*x[n])

频率

我们知道，声音可以看作是不同频率的正弦信号叠加。那么给定一个声音信号(如上图)，怎么能够知道这个信号在不同频率区段上的强度呢？答案是使用离散傅里叶变换。对信号x[n], n=0, ..., N-1，通常记它的离散傅里叶变换为X[n]，它是一个复值函数。

比如，对上述英文单词“skip”对应的信号做离散傅里叶变换，得到它在频域中的图像是：

可以看到能量主要集中在中低音部分(约16000Hz以下)。

在频域上，也可以计算信号的强度，因为根据Plancherel定理，有：

E = sum(x[n]*x[n]) = 1/N*sum(|X[n]|*|X[n]|)

分帧

对于一般的语音信号，长度都至少在1秒以上，有时候我们需要把其中比如25毫秒的一小部分单独拿出来研究。将一个信号依次取小段的操作，就称作分帧。技术上，音频分帧是通过给信号加一系列的窗函数实现的。

我们把一种特殊的函数w[n]，称作窗函数，如果对所有的n，有0<=w[n]<=1，且只有有限个n使得w[n