语音信号实验报告语音采集（音频信号采集及信号处理实验报告）

基于Fbank的语音数据特征提取

因此在进行语音分析时，我们大多时候采用分帧的方式进行短时的分析，使用帧长为25ms，帧移为10ms的方式进行分帧，并且计算出每帧内的功率谱进行其他的操作。功率谱在一些特征提取技术中得到应用，比如MFCC，Fbank。

语音信号经过前端信号处理、端点检测等预处理后，逐帧提取语音特征，传统的特征类型包括有MFCC、PLP、FBANK等特征，提取好的特征会送到解码器，在训练好的声学模型、语言模型之下，找到最为匹配的此序列作为识别结果输出。

因此，一般而言每段语音得到的特征序列长度是不一样的。在时间窗里采取的不同的信号处理方式，就会得到不同的特征，目前常用的特征有滤波器组fbank，梅尔频率倒谱系数MFCC以及感知线性预测系数PLP特征等。

通常来讲，语音识别常用的特征有MFCC、Fbank和语谱图。在本项目中，暂时使用的是80维的Fbank特征，提取特征利用python_speech_features库，将特征提取后保存成npy文件。

傅里叶变换简单的说，就是把信号从时域变化的频域分析。传统的傅里叶变换在数字信号处理中使用的并不多，因为傅里叶变换是一般用于连续信号的分析。

面向低功耗、手持设备、无线终端的应用主要有：手机、PDA、GPS、数传电台等。在频域中描述信号特性的一种分析方法，不仅可用于确定性信号，也可用于随机性信号。

(2)对一个有限长序列进行DFT等价于将该序列周期延拓后进行DFS展开，因为DFS也只是取其中一个周期来运算，所以FFT在一定条件下也可以用以分析周期信号序列。

FFT在离散傅里叶反变换、线性卷积和线性相关等方面也有重要应用。快速傅氏变换（FFT），是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。

数字信号处理技术应用很多，图形处理、雷达系统、语言识别，涉及方方面面。

1、麦克风收集的是什么样的信号空气中音频震动信号（声波、机械波）麦克风收集的信号要进行什么样的滤波，为什么？隔直，可能还要滤除低频，高频信号（带通），此电路只用了滤除直流信号的隔直。

2、计算机通过麦克风设备收集声音信息。麦克风是一种常用的声音输入设备，它能够捕捉周围的声音信息并将其转换成电信号，然后通过计算机的声卡设备进行处理。常见的麦克风包括有线麦克风和无线麦克风等。

3、麦克风的作用是将声音信号转换为电信号。20世纪初，麦克风由最初通过电阻转换声电发展为电感、电容式转换，大量新的麦克风技术逐渐发展起来，这其中包括铝带动圈等麦克风，以及当前广泛使用的电容麦克风和驻极体麦克风。

4、麦克风是由声音的振动传到麦克风的振膜上，推动里边的磁铁形成变化的电流，这样变化的电流送到后面的声音处理电路进行放大处理。声音是奇妙的东西。我们听到的各种不同声音，都是由我们周围空气的微小压差产生的。

多速率信号处理在基础理论和应用领域的蓬勃发展，也促进了整个数字信号处理界的发展。

你把程序跟踪调试一下。断点设置在第二行，而后step，一条条执行。首先确认p1的维数，上述错误原因多因p1为空矩阵，出现该问题的原因是fopen根本打不开改文件。目前Matlab也好像没有语句支持wma文件。

为了节省计算工作量及存储空间，在一个信号处理系统中常常需要不同的采样率及其相互转换，在这种需求下，多速率数字信号处理产生并发展起来。它的应用带来许多好处，例如：可降低计算复杂度、降低传输速率、减少存储量等。