语音增强算法研究系列笔记 - 语音信号加窗分帧处理

为什么需要加窗分帧处理

语音信号属于一种非平稳时变信号，其产生过程与发声器官地运动紧密相关，而发声器官地状态速率相对声音振动地速率来说慢很多，因此语音信号可以视为短时平稳信号，因此，对其进行加窗分帧可将语音信号视为一个平稳信号，更便于进行分析

帧长的选择

对于语音信号来说，帧长需要满足两个条件：
从宏观上讲，它必须足够短以保证帧内信号是平稳地，而语音信号地产生与发声器官地运动紧密相关，发声器官的运动是导致信号不平稳地原因，所以在一帧信号间发声器官不能有明显变化，所以一帧地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50-200ms，所以帧长一般取为小于50ms；
从微观上分析，一帧语音信号中必须包含足够多的振动周期，因为频域分析是对频率进行分析的，只有足够多的周期才能够分析频率，语音的基频，男声在100Hz左右，女声在200Hz左右，换算为周期就是10ms和5ms，一帧需要包含多个周期，一般取至少20ms；

语音帧加窗

取出来的帧信号在做傅里叶变化之间，需要先进行加窗操作，即与一个窗函数相乘

加窗的目的是让一帧信号的幅度在两端渐变到0，以减少频谱泄露，一般而言常用的窗函