语音识别MFCC系列(一)——连续信号、傅里叶变换

本文深入浅出地介绍了傅里叶变换在语音识别中的应用,包括连续信号的傅里叶变换、周期与非周期信号的处理,以及帕斯瓦尔公式和能量密度谱的概念,旨在帮助读者清晰理解这一关键理论。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

看了很多傅里叶变换(连续信号和离散信号)的博客,都写的不是很清楚,有些地方可能有误,我在查阅了书籍和大量资料以后,争取能用前后标注一致的公式把相关内容(帕斯瓦尔公式,能量信号,功率信号,能量密度谱,功率频谱等)讲清楚,说正确。最好先看连续信号再看离散信号哦

连续信号的请看语音识别MFCC系列(一)——连续信号、傅里叶变换

离散信号的请看语音识别MFCC系列(二)——离散信号、离散傅里叶变换

本文分别按顺序介绍,如果想弄懂,还是按顺序耐心看下去比较好,不过还是得有点数学功底的啦。

  • 连续        周期   信号的傅里叶  级数
  • 连续     非周期  信号的傅里叶  变换
  • 连续        周期   信号的傅里叶  变换

一、什么是傅里叶变换?

傅里叶变换就是将一个信号波形分为多个不同频率的余弦波形,成为频率分量。每个频率的余弦波形都有其对应的频率、幅值、相位。如下图所示,黑色的是原信号波形,其他颜色的均为频率分量,直线代表该频率分量幅值为0。

二、连续周期信号的傅里叶级数

1. 傅里叶级数用下式表示,x\left ( t \right )为连续周期信号,周期为T_0,可以表示为多个频率分量之和,注意频率分辨度\omega _0= \frac{2 \pi}{T_0}

                                                  x( t ) = \frac{a _ { 0 }}{2} + \sum _ { n = 1 } ^ { \infty } \left[ a _ { n } \cos ( n \omega_0 t ) + b _ { n } \sin \left( n \omega _ { 0 } t \right) \right]

其中

 

                                                                \begin{align*} &a _ { 0 } = \frac { 2 } { T _ { 0 } } \int _ { - T _ { 0 } /2 } ^ {T _ { 0 } /2 }x ( t ) d t \\ &a _ { n } = \frac { 2 } { T _ { 0 } } \int _ { - T _ { 0 } /2 } ^ {T _ { 0 } /2 }x ( t ) \cos n \omega_0 t d t \\ &b _ { n } = \frac { 2 } { T _ { 0 } } \int _ { - T _ { 0 } /2 } ^ {T _ { 0 } /2 }x ( t ) \sin n \omega_0 t d t \end{align*}

2. 将傅里叶级数换一种表达方式如下:

                                                         x ( t ) = \frac{A_0}{2} + \sum _ { n = 1 } ^ { \infty } A _ { n } \cos \left( n \omega _ { 0 } t + \varphi _ { n } \right)

其中

                                                                      \begin{align*} &A_0=a_0 \\ &A_n=\sqrt{a_n^2+b_n^2} \\ &\varphi _n=-arctan \frac{b_n}{a_n} \end{align*}

先引入欧拉公式:

                                                                      e ^ { - i \theta } = \cos \theta - i \sin \theta

那么

                                                                      \cos \theta = \frac{e ^ { i \theta } + e ^ { - i \theta }}{2}

3. 那么引入傅里叶级数的复指数形式:

                                                 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值