STFT 生成的重叠帧数

Question

我正在使用 scipy.signal.stft 获取音频的 stft。没有问题，我得到了结果。但是我不明白的是，当使用采样率为fs=44100 Hz的169600 samples音频计算stft时，我得到3returns作为f, t 和 Zxx。这里 Zxx 的形状是 (2049, 84)。

为了计算 stft，我使用大小 4096 的 window，作为 window 类型，使用 hanning window。默认情况下，scipy.signal.stft 在帧之间使用 window_size // 2 重叠。

我的问题：是否有 2049 重叠的帧？如果有或没有，如何计算 stft 中重叠帧的数量？如果 2049 不是重叠样本的数量，那这个数字是什么意思？

Answer 1

实值信号的 FFT 产生具有 Hermitian 对称性的频谱。这意味着可以从下半部分获得光谱的上半部分。另外，当 FFT 大小 N 为偶数时，中点是其自身的对称性。因此，频谱完全由 N//2 + 1 个频率点（即 scipy.signal.stft 返回的频谱大小）决定。在您的情况下 N 是 4096，因此您会得到沿频率轴的 4096//2 + 1 或 2049 点的频谱。您应该能够确认 f 确实是 2049 频率值的数组（从 0 到 44100/2 Hz，以 44100/4096 或 ~10.77Hz 为增量）。

就时间值的数量而言，您可以将其计算为

number_of_samples = 169600
number_time_values = (number_of_samples+window_size)//(window_size - window_size//2) 
%  = (169600 + 4096)//(4096 - 2048) 
%  = 84

分子中的 +window_size（在您的情况下为 +4096）项是由于 boundary = 'zeros' 默认选项在实际 169,600 个输入样本前后用零填充输入.

STFT 生成的重叠帧数

Number of overlapping frames generated by STFT

python

signal-processing

scipy