DSP4-2n解析.ppt

对于常见的音频信号和视频信号，频率分量主要集中于低频段，利用FFT将时间信号转换为频谱信号，可以使数据量大大减少，可以提高信号存储和传输的效率。 DFT在数据压缩中的应用 频谱分析的其他方法 DFT矩阵形式为： 其中使用的基本函数的集合为： 选用满足正交归一性和完备性的其他基本函数，则可以构成其他的分析方法。 离散余弦变换：DCT定义 DCT定义： 其中使用的基本函数的集合为： 离散余弦变换：DCT特点 时间序列和频谱序列均为N点实数序列； 只需要考虑正频率区间； 运算只涉及实数乘法； 系数具有快速收敛性，用于声音和图象处理时，数据压缩效率高； 离散余弦变换：DCT特点 具有快速算法，可以实现硬件加速； [y,fs1,bit]=wav_read(12345.wav);sound(10*y,fs1) ym=length(y);n=1:ym; subplot(3,1,1),plot(n,y);axis([30000,190000,-0.5,0.5]); Y1=fft(y(140000:160000),20001); w=-10000:10000;k=pi/10000; subplot(3,1,2),plot(k*w,abs(Y1));axis([0,4,0,100]); title(FFT);grid on; Y2=dct(y(140000:160000),20001); w=-10000:10000;k=pi/10000; subplot(3,1,3),plot(k*w,abs(Y2));axis([0,4,0,0.4]); title(DCT);grid on; DFT与DCT的对比：音频信号 DFT与DCT的对比：音频信号 * * 第四章 离散付氏变换（DFT） 1 DFT基本概念 2 DFT的计算：FFT 3 DFT的典型应用 数字信号处理 对信号进行频谱分析，可以帮助我们了解信号中包含的信息，在很多领域具有重要作用，例如对医学信号的分析可以判断健康状况，对地震波的分析可以了解地质结构，对太空光谱的分析可以探索星际演化… DFT在信号分析中的应用 声音与频率 人耳对声音区分敏感的是频率的比值；为了表达不同的声音，通常将一倍频程范围分为12个半音区，相邻半音的频率比值为 中国古音采用12音律对应不同半音： 黄钟 大吕 太蔟 夹钟 姑洗 仲吕 蕤宾 林钟 夷则 南吕 无射 应钟 国际标准音则采用8度音表达： CDEFGAB 或 1234567 EF和BC间隔为半音，其余间隔为全音； 声音与频率 利用音律规则，可以合成各种乐音 fs=40000,t=(1:1/fs:1.5);k1=1.059453; c=261.6;d=c*k1*k1;e=d*k1*k1;f=e*k1; g=f*k1*k1;a=g*k1*k1;b=a*k1*k1;c1=2*c; x1=cos(2*pi*c*t);x2=cos(2*pi*d*t); x3=cos(2*pi*e*t);x4=cos(2*pi*f*t); x5=cos(2*pi*g*t);x6=cos(2*pi*a*t); x7=cos(2*pi*b*t);x8=cos(2*pi*c1*t); x=[x1 x2 x3 x4 x5 x6 x7 x8];sound(x,fs); Y=fftshift(fft(x,1000001)); w=-500000:500000; k=pi/500000;plot(k*w,abs(Y));axis([0.02,0.1,0,12000]); 音律合成 音律合成 实际的声音不仅含有不同的单音，还包含有与发音器件（器官）相关的谐音，不同的谐音组合形成不同语音单元的特点。 语音分析与合成 [y,fs1,bit]=wav_read(aiueo.wav); y1=y(50000:60000);n=0:10000;sound(y1,fs1); subplot(2,5,1),plot(n,y1);axis([5000,5500,-1,1]); Y1=fftshift(fft(y1,10001)); w=-5000:5000;k=pi/5000; subplot(2,5,6),plot(k*w,abs(Y1));axis([0,0.4,0,400]);title(a); pause;y2=y(100000:110000);n=0:10000;sound(y2,fs1); subplot(2,5,2),plot(n,y2);axis([5000,5500,-1,1]); Y2=fftshift(fft(y2,10001)); w=-5000:5000;k=pi/5000; subplot(2,5,7),plot(k*w,abs