帧一个语音或音频信号

代码说明：

应用背景所涉及的是：帧的语音信号转换成短，重叠帧。通常帧采取约20ms长。为16kHz采样的音频文件，这相当于0.020s×16000样本/秒=长400样本。然后，我们使用一个重叠的50%，或约200个样本。这意味着第一个帧开始在采样0，二开始在样本200，第三个在400等。关键技术首先，框架的要点是什么？音频信号是不断变化，所以我们假设，在很短的时间尺度音频信号不会有很大变化（当我们说它不会改变，我们的意思是统计即统计平稳，明显的样本不断变化，即使短时间尺度）。这就是为什么我们在20-40ms帧帧的信号。如果帧是短得多我们不有足够多的样本，得到一个可靠的频谱估计，如果它不再是信号变化太多的整个框架，FFT将最终涂抹的内容框架。