语音识别--汉明窗

首先，hamming()函数的作用是返回一个L点的对称海明窗列向量w。
语音信号一般在10ms到30ms之间，我们可以把它看成是平稳的。为了处理语音信号，我们要对语音信号进行加窗，也就是一次仅处理窗中的数据。因为实际的语音信号是很长的，我们不能也不必对非常长的数据进行一次性处理。明智的解决办法就是每次取一段数据，进行分析，然后再取下一段数据，再进行分析。

怎么仅取一段数据呢？
一种方式就是构造一个函数。这个函数在某一区间有非零值，而在其余区间皆为0。汉明窗就是这样的一种函数。它主要部分的形状像sin（x）在0到pi区间的形状，而其余部分都是0。这样的函数乘上其他任何一个函数f，f只有一部分有非零值。

为什么汉明窗这样取呢？

因为之后我们会对汉明窗中的数据进行FFT(快速傅里叶变化)，它假设一个窗内的信号是代表一个周期的信号。（也就是说窗的左端和右端应该大致能连在一起）而通常一小段音频数据没有明显的周期性，加上汉明窗后，数据形状就有点周期的感觉了。

因为加上汉明窗，只有中间的数据体现出来了，两边的数据信息丢失了，所以等会移窗的时候，只会移1/3或1/2窗，这样被前一帧或二帧丢失的数据又重新得到了体现。

简单的说汉明窗就是个函数，它的形状像窗，所以类似的函数都叫做窗函数。

加Hanmming窗的作用

在对信号进行LPC分析前,对信号乘以一个Hamming 窗。乘法是:信号直接乘以一个HammingWindowTable中的值。如果是限制带宽的话, 在时域应对信号应做卷积的。
因为要处理的是无限长序列中的一段，所以必须对这段序列加窗采集出来。
汉明窗函数为
W(n,α ) = (1 -α ) - α cos(2PIn/(N-1))，0≦n≦N-1
一般情况下，α取0.46

由于直接对信号（加矩形窗）截断会产生频率泄露，为了改善频率泄露的情况，加非矩形窗，一般都是加汉明窗，因为汉明窗的幅频特性是旁瓣衰减较大，主瓣峰值与第一个旁瓣峰值衰减可达40db。