企业官网建设流程全解析

一、STFT（短时傅里叶变换）的详细原理与公式

1.1 傅里叶变换的局限性与STFT的诞生

傅里叶变换（FT）能将时域信号x(t)x(t)x(t)转换为频域表示X(ω)X(\omega)X(ω)，公式为：
X(ω)=∫−∞∞x(t)e−jωtdt(1) X(\omega) = \int_{-\infty}^{\infty} x(t) e^{-j\omega t} dt \tag{1}X(ω)=∫−∞∞​x(t)e−jωtdt(1)
其中ω=2πf\omega = 2\pi fω=2πf为角频率，fff为频率（Hz）。

但FT的缺陷是完全丢失了时间信息——只能得到信号中“有哪些频率”，无法知道“这些频率在何时出现”。例如，一段包含钢琴声和鼓声的音频，FT只能告诉你总频谱中有哪些频率成分，却无法区分钢琴声和鼓声的时间先后。

为解决这一问题，STFT通过**“加窗分段”**的方式，在“时间局部性”和“频率分辨率”之间取得平衡：将长信号切割为多个短时片段（假设每个片段是“平稳的”），对每个片段单独做傅里叶变换，最终拼接出“时间-频率”平面的能量分布。

1.2 STFT的数学定义

连续时间下，STFT定义为：
STFT(τ,ω)=∫−∞∞x(t)g∗(t−τ)e−jωtdt(2) \text{STFT}(\tau, \omega) = \int_{-\infty}^{\infty} x(t) g^*(t - \tau) e^{-j\omega t} dt \tag{2}STFT(τ,ω)=∫−∞∞​x(t)g∗(t−τ)e−jωtdt(2)
其中：

• τ\tauτ为“时间中心”（窗函数的滑动位置，对应横轴时间）；
• g(t)g(t)g(t)为窗函数（如汉宁窗、矩形窗），g∗(t)g^*(t)g∗(t)为其共轭；
• 物理意义：用窗函数g(t−τ)g(t - \tau)g(t−τ)截取t=τt = \taut=τ附近的信号片段，再对该片段做傅里叶变换，得到该时刻的频率谱。

1.3 离散化实现（实际工程中）

实际处理数字音频时，信号是离散的（采样率为fsf_sfs​，单位Hz），需对STFT离散化：

1. 分帧：将离散信号x[n]x[n]x[n]（nnn为采样点索引）按窗长NNN分成多个帧，第mmm帧为xm[n]=x[n+m⋅S]⋅w[n]x_m[n] = x[n + m \cdot S] \cdot w[n]xm​[n]=x[n+m⋅S]⋅w[n]，其中：

   • SSS为帧移（相邻帧的采样点间隔，通常取S=N/2S = N/2S=N/2以减少帧间信息丢失）；
   • w[n]w[n]w[n]为离散窗函数（如汉宁窗：w[n]=0.5(1−cos⁡(2πn/N))w[n] = 0.5(1 - \cos(2\pi n/N))w[n]=0.5(1−cos(2πn/N))，0≤n<N0 \leq n < N0≤n<N）。

2. 傅里叶变换：对每帧做离散傅里叶变换（DFT）：
   Xm[k]=∑n=0N−1xm[n]e−j2πkn/N(3) X_m[k] = \sum_{n=0}^{N-1} x_m[n] e^{-j2\pi kn/N} \tag{3}Xm​[k]=n=0∑N−1​xm​[n]e−j2πkn/N(3)
   其中kkk为频率索引，对应频率fk=k⋅fs/Nf_k = k \cdot f_s / Nfk​=