1樓：火花的薩日朗
1.短時能量分析（音強），決定短時能量特性有兩個條件：不同的視窗的形狀和長度。窗長越長，頻率解析度越高，而時間解析度越低（n為幀長，m為步長）。
*典型窗函式：矩形窗譜平滑效能好，但損失高頻成分，波形細節丟失，海明窗與之相反。一幀內含1~7個基音週期，10khz下采100~200點。
2.短時平均振幅分析：計算方法簡單，但清濁音的區分不如能量明顯。
3.短時過零分析：可以區分清音與濁音，濁音時具有較低的平均過零數，而清音時具有較高的平均過零數；可以從背景噪聲中找出語音訊號，可用於判斷寂靜無語音和有語音的起點和終點位置。
4.短時相關分析：自相關用於研究訊號本身，如訊號波形的同步性、週期性等。
用來區分清音和濁音，因為濁音訊號是準週期性的，對濁音語音可以用自相關函式求出語音波形序列的基音週期；另外在進行語音訊號的線性**分析時，也要用到短時自相關函式。
4.短時平均幅度差：短時平均幅度差計算加、減法和和取絕對值的運算，與自相關函式的相加與相乘的運算相比，其運算量大大減小，尤其在硬體實現語音訊號分析時有很大好處。
為此，amdf已被用在許多實時語音處理系統中。
5.短時傅立葉變換：
6.語音訊號的倒譜分析：求語音倒譜特徵引數，通過同態處理（將非線性問題轉化為線性問題）來實現。
同態處理（同態濾波）：解卷，將卷積關係變為求和處理。 將語音訊號的聲門激勵和聲道響應分離開。
7.基音週期的提取：
b)倒譜法：圖a為ln|x(ejw)|的示意圖，包括頻譜包絡的慢變分量，基音諧波峰值的快變分量。再取一次傅立葉反變換，即可將快慢分量分離開。
基音週期後處理：中值平滑、線性平滑、組合平滑。
2樓：
這個得去訊號好的地方，最好手機殼給他去掉，有天線就拉，收音機什麼的都可以，最好希望能請樓主給個採納，謝謝。
3樓：百小度
實時頻譜儀的應用：1、在噪聲頻譜分析中通常使用的是模擬濾波器，這種濾波器使用時都要一個濾波器接一個濾波器依次進行頻譜測量分析
由於濾波器以及檢波電路都有一定時間常數，通常需要幾秒鐘才能達到穩定
因此，如果使用1/1倍頻程濾波器完成整個頻譜分析需要1分鐘左右時間，如使用1/3倍頻程濾波器則需要3分鐘左右時間
對於穩定噪聲（如機器噪聲）而且測量時間比較寬裕的場合，這完全不是問題，但是對於不穩定噪聲，如：環境噪聲、交通噪聲以及其它隨機變化的裝置聲源及時間很短的脈衝噪聲等測量得到的頻譜分析結果毫無意義
因為在進行下一個濾波器分析時的噪聲與上一個濾波器分析時的噪聲完全不一樣，這種情況唯有選擇實時頻譜分析儀器分析才有意義
2、實時，它的簡單涵義就是「即時」，也就是「立即」的意思
3、實時頻譜分析儀器採用數字訊號處理辦法，將模擬訊號變換成數字訊號，邊測量邊進行頻譜分析，速度非常快，立即就完成oct1/1倍或1/3倍頻程以至更細的1/n倍頻程譜分析，甚至可以進行fft分析，並可以擴充套件為其它許多測量與分析功能
正因為它有這麼多的優點，因此得到了廣泛應用
4樓：
哦哦roger睜著**
用1024點基-2fft演算法分析以8000hz取樣的某語音訊號的頻譜,其頻譜解析度f=( )
5樓：匿名使用者
8000/1024=7.8125hz
6樓：戴悟
把衣服一分一分 羊城通長頭髮他發一份頭髮
7樓：文華翰
我也寫了個fft程式，256點時計算還正確，但是512和1024點結果就錯了，希望樓主答案的話能告知，
在PCM中，對語音訊號採用非均勻量化的理由是什麼
崇澤帶你看 理由是因為採用非均勻量化可以達到小訊號出現概率大，大訊號出現概率小的效果。也因為均勻量化中,量化間隔均勻劃分,輸入訊號因訊號強度不同而訊號量噪比不同。如小訊號訊號量噪比很小.這種量化方法對小訊號很不利,為使不同訊號強度保持訊號量噪比恆定,所以要求大訊號量化間隔大,小訊號量化間隔小 在語音...
賽爾號譜尼誰能幫我過譜尼的真身 我給他米幣 20
賽爾號譜尼誰能幫我過譜尼的真身 我給他米幣 我是淘米的工作人員，很多賽爾多過七道封印了吧，就差真身了，我對你們實話實說吧，如果譜尼被瞬殺秒中3 中了的話，可以直接秒殺譜尼真身，對譜尼 扣65000,但是譜尼體力為零的話會自己會滿血，等於是白秒，只有靠真本事把譜尼的血扣到零以下譜尼才會被你打敗，淘米讓...
賽爾號怎麼龍王的迴避對譜尼沒用
網上買禮物吧，我空間有詳細的網購步驟和技巧總結。我在網購經驗比較多，網上的東西真的便宜很多，選購也很方便，我收集了很多熱賣好評的商品和店鋪，並做了統計排行，很多都是專家通過比較店鋪信譽和銷售記錄以及的評價，做出的排行榜，當然也有很多是我通過購買和的交流統計出來的，都是熱賣好評的，網購這麼多年了，現在...