所以，我刚刚了解到人类的声音不是一个单一的正弦波，它是一堆无限的正弦波，每个正弦波都有不同的频率，
根据维基百科，
声音由人类使用声带发出的声音组成，用于说话、唱歌、大笑、哭泣、尖叫等。其频率范围约为 60 至 7000 Hz。
所以如果人的声音是一个复合信号，它包含在60Hz到7KHz之间的各种频率范围。
假设如果有一群人一起唱同一首歌，每个人都有自己的语音频率范围，
例如，
如果一个人A有以下频率， 100Hz , 250HZ 6KHz, 10Hz, 87Hz, 52Hz, 2KHz.......
和一个人B有以下，217Hz1、11Hz、12Hz、2323Hz、839Hz、4KHz、100Hz、10Hz.....
在 A 和 B 中，一定有很多相似的频率，就像在上面的例子中，100Hz 和 10Hz 的频率在两个人之间是共同的。
我正在看一个名为“边缘”的电视节目，他们从音频文件中过滤掉特定男人的声音，而那里也有其他人的声音。
那么，如果所有人都有这么多共同的频率，他们究竟如何从数百人的声音中过滤出某人的声音，这是否与人的频率幅度有关？
如果仅使用一个麦克风记录信号，则可以使用频谱减法等方法。这种方法更适用于“恒定”噪音，例如风扇或怠速发动机的噪音。其他方法依赖于语音的统计和感知模型。如果信号是用多个麦克风录制的，您可以使用盲源分离来分离（语音）信号。就目前而言，您不会得到完美的结果。典型的最终结果总是在“噪声”和感兴趣的语音信号的清晰度之间进行权衡。更多“噪声”抑制->感兴趣信号的更多退化。
好吧，假设我们有一个两个人说话的声音文件.. 如果他们不齐声说话，就有可能分离他们说话的音调元素。将他们语音中的噪音元素（ssss 或 fffff 声音）分开可能会更棘手，但如果他们不齐声说话，这可能是可能的。如果我们可以在不丢失相位信息的情况下对声音进行频谱分析，这将容易得多。
基本上，频谱分析采用波形（声音为单波或线）并分离所有单独的音调，以便您可以及时从低到高以及从左到右看到它们。这样做时，显示单个波形上升和下降的大部分信息都会丢失。如果我们可以保留相位信息，这将容易得多，因为一个声音的所有单个分量频率将彼此谐波相关，因此它们的相位将对齐。
目前，我不知道有什么算法可以实现这一点，但我相信它在理论上是可能的。我记得读过一篇关于 melodyne 的创作者 peter neubäcker 正在研究如何做到这一点的文章，这样两个一起唱歌的歌手就可以分开，但我不知道我怎么会再次找到这篇文章