语音识别菜鸟,想要对原始语音文件(.wav 格式)进行时域频域图的转换,应该用哪个函数?虽然在 matlab 中用 help 对两个函数进行了查看,但是只能理解部分,希望有懂得大神能够给予详细的解答,非常感谢!
1
hxy1ng 2017-03-30 03:54:25 +08:00
FFT 是时域信号到频域信号的转换。
spectrogram 是 short-time Fourier transform 。时域信号在时间轴上进行分段(加窗)再对每一部分进行 FFT 。 所以你会看到 STFT 其实是三维的,时间轴,频率轴,以及强度( spectrogram 图上的颜色深度)。 一般语音识别不会直接用 STFT ,参见 Mel-Frequency Cepstral Coefficients (MFCC), Perceptual Linear Prediction (PLP)。 |