语音处理:音频信号短时平稳性分析
背景
音频信号中,许多特征变换如短时傅里叶变换,都要求一个前提:语音信号短时平稳性。
那么语音信号短时稳定性这样一个假设,该如何直观理解呢?
短时平稳含义
先看下面两张图:
图1,音乐信号
图2,噪声信号
以上图中截取观测了时长不到1ms内音频的短时时域信号变化,可以看出图1是时域平稳的,图2是非平稳的。
语音信号短时平稳的原因是,人或乐器发音时,在一个音素发音区间内(通常为20-30ms),信号是有周期规律的,否则就是噪音了。
具体特征:
音乐信号
,如图1- 时域短时平稳的,连续的
- 能量较弱,mdct较集中
白噪信号
,如图2- 时域短时突变的,不连续
- 能量较强,mdct都很大,且分散
结语
正是因为语音信号有这样的特点,我们才能截取10ms左右的音频数据,进行傅里叶变换,分析其中的频率组成。