从时域到频域：深度解析语音信号处理中的频谱、相位谱与幅度谱

1. 语音信号处理的基础概念

第一次接触语音信号处理时，我被那些跳动的波形图弄得一头雾水。直到后来才发现，原来我们平时听到的声音，在计算机眼里就是一串数字而已。想象一下麦克风就像个高速拍照的相机，每隔一小段时间就记录下此刻空气的振动强度，这就是采样的过程。

在MATLAB中，一段15秒的音频可能长这样：

matlab复制[x, fs] = audioread('speech.wav');
disp(size(x));  % 显示音频数据的长度

这里的fs就是采样率，比如8000表示每秒采集8000个点。我常跟新手说，采样率就像拍照的帧率 - 帧率越高，动作越连贯；采样率越高，声音细节越丰富。不过要注意，采样率不是越高越好，就像用单反拍文档纯属浪费，一般语音处理16kHz就够用了。

2. 从时域到频域的魔法转换

2.1 傅里叶变换的本质

刚开始学FFT(快速傅里叶变换)时，我总把它想得很神秘。后来发现它就像给一杯混合果汁做成分分析 - 告诉你里面有多少橙汁、多少苹果汁。FFT做的正是这件事：把复杂的声音分解成不同频率的正弦波。

用MATLAB做FFT特别简单：

matlab复制x_fd = fft(x);  % fd表示频域(Frequency Domain)

但这里有个坑我踩过好几次 - FFT结果是对称的，通常我们只需要前半部分：

matlab复制N = length(x);
f = (0:N-1)*(fs/N);  % 频率轴
plot(f(1:N/2), abs(x_fd(1:N/2)));  % 只画前半部分

2.2 频谱的三位一体

2.2.1 幅度谱：声音的"音量表"

幅度谱可能是最直观的频谱了，它告诉我们每个频率成分的强度。记得第一次看到音乐频谱跳动时，我突然明白为什么重金属音乐听起来那么"重" - 因为低频部分特别突出。

绘制幅度谱时有个细节要注意：

matlab复制magnitude = abs(x_fd);  % 取模得到幅度
plot(f(1:N/2), magnitude(1:N/2));
xlabel('Frequency (Hz)'); ylabel('Magnitude');

这里abs()函数就像给复数拍了个X光，只看它的"大小"不管"方向"。

2.2.2 相位谱：被忽视的关键先生

相位谱常常被新手忽略，但它其实超级重要。我曾经做过实验：把一首歌的幅度谱和另一首歌的相位谱组合，结果听到的是第二首歌的旋律！这说明相位信息携带了大量声音特征。

绘制相位谱要用angle()函数：

matlab复制phase = angle(x_fd);  % 获取相位角(弧度)
phase_deg = phase * 180/pi;  # 转成角度(可选)
plot(f(1:N/2), phase_deg(1:N/2));

不过相位数据看起来总是很乱，这是因为相位值对时间偏移特别敏感。有个小技巧是对信号做加窗处理，能让相位谱看起来整洁些。

2.2.3 功率谱：能量的身份证

功率谱简单说就是幅度谱的平方，它反映的是信号的能量分布。在语音识别中，功率谱比幅度谱更常用，因为人耳对声音强度的感知更接近对数关系。

计算功率谱有两种常用方法：

matlab复制% 方法1：直接平方
power_spectrum = abs(x_fd).^2;

% 方法2：实部虚部平方和
power_spectrum = real(x_fd).^2 + imag(x_fd).^2;

3. 语谱图：声音的"指纹图谱"

3.1 什么是语谱图

语谱图是我最喜欢的语音可视化工具，它就像声音的"指纹"。横轴是时间，纵轴是频率，颜色深浅表示能量强弱。看语谱图能直观分辨元音、辅音，甚至能看出说话人的口型特点。

3.2 绘制语谱图的实战技巧

绘制语谱图需要用到短时傅里叶变换(STFT)，这里分享一个我调试多次的MATLAB代码：

matlab复制[x, fs] = audioread('speech.wav');
window = 256;  % 窗长
noverlap = 192; % 重叠样本数
nfft = 512;    % FFT点数

spectrogram(x, window, noverlap, nfft, fs, 'yaxis');
colormap('jet');  % 使用jet颜色映射更清晰

参数设置很有讲究：

• 窗长太短会导致频率分辨率低
• 窗长太长会导致时间分辨率低
• 我通常用20-40ms的窗长，比如160-320个样本(8kHz采样率时)

4. 实际应用中的经验分享

4.1 语音识别中的频谱特征

在开发语音识别系统时，我很少直接使用原始频谱。经过多次尝试，发现以下几种处理特别重要：

1. 梅尔滤波：模仿人耳听觉特性，在低频区有更高分辨率
2. 对数压缩：因为人对声音强度的感知是对数关系的
3. 动态特征：加入一阶、二阶差分，捕捉频谱随时间的变化

matlab复制% 简单的梅尔频谱计算示例
[melSpectrum, frequencies] = mfcc(x, fs);
imagesc(melSpectrum);  % 绘制梅尔频谱图

4.2 常见问题排查

遇到过最头疼的问题是频谱出现镜像频率，后来发现是因为忘记做FFT移位了。正确的做法是：

matlab复制x_fd_shifted = fftshift(x_fd);  % 将零频移到中心

另一个常见问题是频谱泄漏，表现为能量"污染"到邻近频率。解决方法是用合适的窗函数(如汉明窗)：

matlab复制window = hamming(N);  % 生成汉明窗
x_windowed = x .* window;  % 加窗
x_fd = fft(x_windowed);  % 再做FFT

语音信号处理就像给声音做CT扫描，时域信号是整体外观，频域特征则是内部结构。记得刚开始工作时，我对着频谱图能看一整天，观察不同发音带来的细微变化。现在处理语音信号时，我习惯先快速浏览语谱图获取整体印象，再针对特定时段分析频谱细节。这种时频结合的分析方法，往往能发现很多单纯时域分析容易忽略的特征。