### Python 中语音信号的加窗和分频处理 在 Python 的语音信号处理中，可以通过 NumPy 和 SciPy 库实现加窗和分频操作。以下是具体的实现方法： #### 1. 加窗处理 加窗是指将一段连续的语音信号分割成多个短时帧，并对每帧应用窗口函数以减少边界效应。常用的窗口函数有汉宁窗（Hanning）、海明窗（Hamming）等。 下面是使用汉宁窗对信号进行分帧的例子： ```python import numpy as np def apply_window(signal, frame_size, hop_size, window_type='hann'): frames = [] for start in range(0, len(signal) - frame_size + 1, hop_size): frame = signal[start:start + frame_size] if window_type == 'hann': windowed_frame = frame * np.hanning(frame_size) elif window_type == 'hamming': windowed_frame = frame * np.hamming(frame_size) else: raise ValueError(f"Unsupported window type: {window_type}") frames.append(windowed_frame) return np.array(frames) # 示例参数 signal = np.random.rand(8000) # 假设采样率为 8kHz 的随机信号 frame_size = 256 # 每帧长度为 256 点 hop_size = 128 # 帧移步长为 128 点 frames = apply_window(signal, frame_size, hop_size, window_type='hann') print("Frames shape:", frames.shape) # 输出帧数和每帧大小 ``` 此代码实现了基于汉宁窗的加窗过程[^1]。 #### 2. 分频处理 分频是指将每一帧信号转换到频域并划分成不同的频率子带。这通常通过快速傅里叶变换 (FFT) 完成。下面是一个例子： ```python from scipy.fftpack import fft, fftfreq def split_frequency_bands(frames, sample_rate, num_bands=10): freq_bands = [] nfft = frames.shape[1] # FFT 长度等于帧长 freqs = fftfreq(nfft, d=1/sample_rate)[:nfft//2] # 计算正频率部分 # 将频率范围划分为指定数量的频段 band_edges = np.linspace(freqs.min(), freqs.max(), num_bands + 1) for i in range(len(frames)): spectrum = fft(frames[i])[:nfft//2] # 只保留正频率部分 energies = [] # 存储每个频段的能量 for j in range(num_bands): mask = (freqs >= band_edges[j]) & (freqs < band_edges[j+1]) energy = np.sum(np.abs(spectrum[mask])**2) # 能量定义为幅度平方之和 energies.append(energy) freq_bands.append(energies) return np.array(freq_bands), band_edges # 示例参数 sample_rate = 8000 # 假设采样率仍为 8kHz num_bands = 10 # 划分为 10 个频段 bands_energy, edges = split_frequency_bands(frames, sample_rate, num_bands=num_bands) print("Frequency bands energy shape:", bands_energy.shape) # 输出频段能量矩阵形状 ``` 这段代码展示了如何利用 FFT 对每一帧信号进行频域分析，并进一步将其划分为不同频段[^2]。 --- ### 总结 以上两部分内容分别介绍了如何在 Python 中实现语音信号的加窗和分频处理。加窗主要依赖于窗口函数的应用，而分频则涉及 FFT 技术以及后续的频段划分逻辑。