我用麦克风录制了声音，并尝试在我的 Java 程序中区分它们。频率效果很好，但如果我看一下傅立叶变换，似乎应该有更多的特征来区分声音。我不太了解信号处理，也许你可以帮助我。这是两个傅立叶变换的图片。
我知道频率是由最大幅度的指数决定的（希望这是正确的术语）。在第一个傅立叶变换曲线中，它位于 100，第二个位于 12（频率为 1102.5 和 132.3）。但是这两种声音在转换后看起来如此不同，我还能用什么来区分它们呢？
哪些特征描述了音频信号？（除了频率和幅度）
信息处理
声音的
傅里叶变换
频率
声音
2022-02-07 19:22:37
1个回答
两个备注：
- 我假设您正在绘制傅里叶变换的实部（或虚部）。使用幅度或平方幅度（功率谱）更为常见。
- 频谱中的峰值是基频（音高）的一个非常差的测量值。拿一个 440 Hz 的钢琴音符，对其应用陷波滤波器以去除 440 Hz 分量。即使频谱中的峰值现在在 880 Hz（大约），它仍然听起来像一个 440 Hz 的音符 - 是的，在频谱中完全没有的频率！
要回答您的问题，音色是区分相同响度和音高的声音的属性。但是，它不是具有明确单位的一维特征。您可以提取的特征是“听起来相似”的事物具有相似的特征。
用于表征音色的常见特征包括：
频谱质心，指示声音将被感知到的“暗”或“亮”程度、频谱扩展（带宽、音调与噪声的度量）以及 3 阶和 4 阶矩（峰度和偏度）。
每个 Bark 带中的能量，或连续 Bark 带之间的能量比。
频谱包络的任何低维描述符，包括自回归系数或梅尔频率倒谱系数。
请参阅本文件的第 6 节。
其它你可能感兴趣的问题