语音信号处理基础（二）

最新推荐文章于 2025-06-24 16:34:52 发布

Yoc Lu

最新推荐文章于 2025-06-24 16:34:52 发布

阅读量5k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：语音处理

本文链接：https://blog.youkuaiyun.com/LYKXHTP/article/details/81490853

本文深入探讨了语音信号处理的基础，包括时域图、频谱图和语谱图。时域图展示了语音信号的时间波形特性，频谱图通过傅立叶变换揭示了信号的频率成分，而语谱图结合了时间和频率信息，有助于理解语音的动态频谱特性。语谱图中的声纹可用于讲话人识别，并在语音识别和TTS系统评估中发挥关键作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

语音信号处理基础（二）

语音信号的特性主要是指它的声学特性、时域波形、频谱特性以及语音信号的统计特性等。这些特性对应着各种语音信号特性分析图，如时域图、频谱图和语谱图等。

时域图

时域图中，语音信号直接用它的时间波形表示出来，通过观察时间波形可以看出语音信号一些重要特性。
这里写图片描述
（横轴时间，纵轴振幅）
上图是 “sou ke”的时域图，图中标明了时间及各个音节的起始位置。
由于在时域波形中各个音节间不好明显的分界，因此图中标出的某个音的起点只是粗略的。图中，清辅音[s][k]和元音[ou][e]这两类音的时间波形有很大区别，例如从A点开始的音节[s]，以及从C点开始的[k]都是清辅音，它们的波形类似白噪音，振幅很小，没明显周期，而从B点开始的元音[ou]以及从D点开始的[e]都具有明显的周期性，且振幅较大，它们的周期对应的就是声带振动的频率。

语音信号属于短时平稳信号，一般认为在10~30ms内语音信号特性基本上是不变的，或是缓慢的，于是可截取一小段进行频谱分析。

频谱图

简单地说，信号可以通过傅立叶变换而分解成一个直流分量（也就是一个常数）和若干个（一般是无穷多个）正弦信号的和。每个正弦分量都有自己的频率和幅值，这样，以频率值作横轴，以幅值作纵轴，把上述若干个正弦信号的幅值画在其所对应的频率上，就做出了信号的幅频分布图，另外还有相频分布，但其意义不大。

补充：在信号理论和数字信号处理（digital signal processing, DSP）中，离散傅里叶变换（discrete Fourier transform, DFT）扩展用于近似计算连续信号的频谱，其变换的对象只是一个采样点的有限序列，而且可以由快速傅里叶变换（fast Fourier transform, FFT）实现。对一个时域信号进行傅里叶变换，就可以得