宽带语谱图(wideband spectrogram)和窄带语谱图(narrowband spectrogram)的区别

1.概念区分

宽带spectrogram: 以3ms(或300Hz左右的带宽)左右进行分帧之后制成的spectrogram

窄带spectrogram: 以20ms(或45Hz左右的带宽)左右进行分帧之后制成的spectrogram

首先3ms和20ms大家都理解，就是每一帧持续的时间分别是3ms和20ms，但是后面对应的带宽是啥意思呢？

原来，所谓的分帧，相当于加了一个矩形窗函数，而加窗也就是信号和窗函数相乘，在频域中对应的是窗函数和原信号的频谱进行卷积。

矩形窗的傅里叶变换大家应该很熟悉了：

其中τ为窗函数的长度，G_τ(t)代表一个关于原点对称且长度为τ的窗函数，Sa(t)=sint/t 是抽样函数。其幅频相应的带宽(即对应幅值1/根号2)约为0.88/τ。

对于τ=3 ms , 对应带宽为293Hz,

对于τ=20 ms ，对应带宽为44Hz. 

这两个数字正好对应上文提到的两个带宽。这下理解为啥3ms的短窗叫宽带语谱图，而20ms的长窗叫窄带语谱图了吧

2.性质区别

一般来说，这两种语谱图有其对应用途，宽带语谱图可以清晰的看到语音信息的共振峰频率，但是看不到谐波频率，反之，窄带语谱图可以看到谐波频率，但是看不到共振峰的频率。为什么会造成这样的区别？

宽带语谱图因为每一帧时间很短，所以可以捕捉到较快的振幅变化，也因此，宽带语谱图上可以看到一条条垂直线条，对应了振幅上的快速变化，在时间域上来看，在共振峰频率处，会出现连续深色，和周围形成明显的区别。下图是一个宽带语谱图，大家可以很明显的看出垂直线条，而那些颜色明显深于上下区域的部分则对应了共振峰频率。

而对于窄带语谱图，与宽带语谱图不同，由于每一帧时间太长，难以捕捉振幅的快速变化，也就难以看出共振峰的位置，但是可以看出谐波的位置，如下图，大家可以明显的看出一条条水平线条，而且间隔一致，这些就是谐波(harmonics)。

除此之外，宽带语谱图由于窗短，因此时间分辨率高（因为帧数多了）但是频率分辨率低（因为每一帧对应的sample数少了，做FFT自然频率分辨率下降），而窄带语谱图则由于窗长，时间分辨率低但频率分辨率高。