音频筑基：基音、基频和共振峰

音频信号分析中，经常遇到基音、周期、共振峰的概念，这里总结下自己的粗浅理解，不当之处，还望各位大佬提出指正。

是什么

---

基音，是复音中强度最大、频率最低的音。表征着声音的音高，即人们所感知到的音调高低。通常是以频率维度衡量，所以也叫基音频率，简称基频F0。有时粗略讲，又叫音高，英文名Pitch。

• 基音周期Period：气流经声门的周期间隔，体现声源激励信息，设时间为T（s），物理含义为是时域波形最小重复的时间。
  • 周期Period是指声音波形中一个完整的周期所需要的时间。
  • 周期Period一般可以通过分析波形的重复模式来确定，比如：计算波形中相邻两个峰值（或谷值）之间的时间间隔来获得。
• 基音频率Fundamental Frequency，是基音周期的倒数F0=1/T。

共振峰，英文名Formant，表现为频谱上由基频衍生的次谐波（能量最强的一根根横线）。

• 共振峰产生原理：F1、F2，经声门后来到声道处与发声环境产生共振的频率，体现声道环境信息。

深入理解

---

周期Period和基音Pitch如何转换？

Pitch指的是音频信号的基波周期，用周期或者频率来表示，如周期为4.3ms，对应频率就是230Hz，跟频谱图的频率概念是有别的。语音信号场景，基音指标十分重要。

转换公式为：Pitch = 1 / Period。换句话说，基音Pitch的值是周期Period的倒数。这意味着，周期越短，基音Pitch就越高；周期越长，基音Pitch就越低。

严格意义上讲，音高Pitch和基频F0有何区别？

严格说，音高的概念更广，音高主要由基频决定。通常认为，音高增高八度音程相当于基频翻倍。

• 基频F0是指声音波形中最低频率的周期性振动频率，也就是声音的基频。在语音信号中，基频F0通常对应于说话人的声调（tone），也就是说话人说话时的基本音高。基频F0的单位是赫兹（Hz）。
• 基音Pitch是指声音的音高，通常用赫兹（Hz）或半音（semitone）来表示。在音乐领域中，Pitch通常指的是乐器演奏的音高，而在语音领域中，Pitch通常指的是说话人的音高。

相关参考

---

1. 声音基频f0_音高和基频（Pitch and F0），link
2. 音频（二） 基音周期与共振峰， link
3. 基音周期和共振峰，link
4. Wikipedia：共振峰，link
5. 口语元音中的共振峰和谐波，link