对于多窗口谱估计的理解
目录
- 对于多窗口谱估计的理解
- 0. 缘起
- 1. PMTM 含义
- 2. 与我们常用的周期谱估计的区别
- 3. 计算过程
- 5. 多窗/单窗谱估计结果对比
- 6. 程序如何生成多窗 - 以sin为例
- 6.1 生成正交窗的公式代码
- 6.2 计算是否符合正交
- 7. Reference
0. 缘起
在语音增强通过改进的谱减法进行谱估计时,使用多窗谱估计法要优于我们一般遇到的周期法谱估计,中文相关的资料不多,这里分享一下我学习理解到的内容。
1. PMTM 含义
- P: PSD (Power spectral density)
- MTM: Multi- Taper Method
2. 与我们常用的周期谱估计的区别
- 正常的周期法: 频率估计是取帧,一帧加窗(一般汉宁窗)然后做频率变换,然后将每帧的频谱做一个平均
- 多窗谱法:频率估计是取帧,一帧分别与多窗(一般为几个k不一样的slepian窗)中的每个窗相乘,然后做频率变换, 将每个窗频率变换的结果 相加得到最终的一帧频谱结果
PMTM 中常用的窗函数:
3. 计算过程
-
step2: 针对每条数据(同一帧,不同加窗),进行 FFT变换
-
step3: 将这几条数据(同一帧,不同加窗)的FFT结果相加后平均,得多合成的一帧频谱变换
-
overview
5. 多窗/单窗谱估计结果对比
6. 程序如何生成多窗 - 以sin为例
6.1 生成正交窗的公式代码
\[g_k{(n)}=\sqrt{\frac{2}{N+1}}sin(\frac{\pi nk}{N+1}) \qquad n,k=1,2,...N. \]
N为数据的点数
figure
N = 1000;
nw = 3;
ns = 2*(nw)-1;
n = 1:N;
k = 1:ns;
sine_tprs_array = sqrt(2/(N+1))*sin(pi*n'*k/(N+1)); % 生成多窗口函数
% g_1(n)= sqrt(2/(1000+1))*sin(pi*(1:1000)'*1/(1000+1))
% g_2(n)= sqrt(2/(1000+1))*sin(pi*(1:1000)'*2/(1000+1))
% g_3(n)= sqrt(2/(1000+1))*sin(pi*(1:1000)'*3/(1000+1))
% g_4(n)= sqrt(2/(1000+1))*sin(pi*(1:1000)'*3/(1000+1))
% g_5(n)= sqrt(2/(1000+1))*sin(pi*(1:1000)'*3/(1000+1))
lbs = "Sine";
% subplot(2,1,kj)
for kj= 1:5
subplot(5,1,kj)
plot(sine_tprs_array(:,kj))
title(lbs)
legend(append('k = ',string(kj)), ...
'Orientation','horizontal','Location','south')
legend('boxoff')
ylim([-0.09 0.07])
end
6.2 计算是否符合正交
sine_tprs_array = tprs(:,:,2);
rslt = zeros([5,5]);
for i =1:5
for j = 1:5
rslt(i,j) = sine_tprs_array(:,i)'*sine_tprs_array(:,j); % 计算向量积,检查是否正交
end
end`
>> rslt
rslt =
1.0000 0.0000 -0.0000 -0.0000 0.0000
0.0000 1.0000 -0.0000 0.0000 -0.0000
-0.0000 -0.0000 1.0000 -0.0000 -0.0000
-0.0000 0.0000 -0.0000 1.0000 -0.0000
0.0000 -0.0000 -0.0000 -0.0000 1.0000
% 可见这几个窗函数都是正交的。
7. Reference
- Multitaper power spectral density estimate - MATLAB pmtm
- 频谱分析中如何理解taper? - 知乎
- [数字信号中功率谱估计相关方法简介及MATLAB实现_matlab功率谱
- The multi-taper method - YouTube