首页
Python
Java
前端
数据库
Linux
Chatgpt专题
开发者工具箱
加窗专题
揭开FFT时域加窗的奥秘
FFT – Spectral Leakage 假设用于ADC输出数据分析的采样点数为N,而采样率为Fs,那我们就知道,这种情况下的FFT频谱分辨率为δf,那么δf=Fs/N。如果此时我们给ADC输入一个待测量的单频Fin,如果此时Fin除以δf不是整数,就会产生频率泄露。要尽可能保证测得的FFT不会产生频谱泄露,有两种方式进行处理,相干采样和时域加窗。 (1)相干采样 假设M是我们需要采样的
阅读更多...
RaisedCosineWindower API及加窗
<span style="font-size:24px;">本类的构造方法public RaisedCosineWindower( );空构造方法public RaisedCosineWindower( double alpha, float windowSizeInMs, float windowShiftInMs );非空构造方法,初始化了必要的相关属性。
阅读更多...
语音分帧加窗
预加重 语音信号的预加重,目的是为了对语音的高频部分进行加重,去除口唇辐射的影响,增加语音的高频分辨率。一般通过传递函数为一阶FIR高通数字滤波器来实现预加重,其中a为预加重系数,0.9<a<1.0。设n时刻的语音采样值为x(n),经过预加重处理后的结果为y(n))=x(n)-ax(n-1),这里取a=0.98。 简单理解就是在频域上面都乘以一个系数,这个系数跟频率成正相关,所以高频的幅值会有
阅读更多...
【DSP数字信号处理学习笔记】——FIR数字滤波器设计攻略:基于加窗傅里叶级数
我们在上一篇Blog中详细介绍了如何设计IIR滤波器,对于此类滤波器,我们还必须得保证所设计出来的滤波器是稳定的。然而在FIR滤波器中,由于整个系统函数是 z − 1 z^{-1} z−1 的多项式,因此传输函数必然是稳定的,所以在设计FIR滤波器时,稳定性就不是一个需要考虑的问题了。此外,与数字IIR滤波器不同,FIR滤波器的设计与模拟滤波器没有任何关系,其中一种FIR滤波器的设计方法就是对
阅读更多...