怎么用Spectrogram16软件对音频文件进行频谱分析？

声音的种类一，纯音现实世界中有各种各样的声音。

从听觉医学角度来分类，我们常根据声音的周期特性将其分为周期性声音和非周期性声音。

周期性声音包括纯音和复合音，这是由于它们的波型都具有一定的重复性；而非周期性声音则是由许多频率、强度和相位不同的声音无规律性地组合在一起形成。

比如，日常生活的噪音就是一个例子，相比之下，非周期性声音就不是那么受人欢迎了。

纯音是含单一频率，同时声压随时间按正弦函数规律变化的声波。

在自然界和日常生活中很少遇到纯音，纯音可由音叉产生，也可用电子振荡电路或音响合成器产生。

音叉（tuning fork）是呈“Y”形的钢质或铝合金发声器，各种音叉可因其质量和叉臂长短、粗细不同而在振动时发出不同频率的纯音。

在临床耳科中应用广泛而简便的听力检查方法之一就是音叉试验，这个试验就是利用音叉发出的不同频率的纯音测试患者的听力状况。

临床听力检查多用C调倍频程的一组音叉，即C=64Hz、c=128Hz、c1=256Hz、c2=512Hz、c3=1024Hz、c4=2048Hz、c5=4096Hz，其中以C1和C2最为常用。

二，复合音在自然界和日常生活中很少遇到纯音，绝大部分都是复合音。

复合音是由频率不同、振幅不同和相位不同的正弦波叠加形成的，它也是—种周期性的振动波。

常用的科学波形分析方法是 Fourier分析法，纯音和复音可以互相之间合成和分解。

在复合音波中频率最低的成分（分音）称基音。

频率与基音成整倍数的分音称谐音（谐波），2倍或3倍基音的分音分别称二次或三次谐音。

复合波之振幅是由基音的振幅和各组谐音的振幅重叠而成。

若振幅方向相同则可相加；若振幅方向相反则须要相减。

复合音是多个物理参数不同的正弦波规律性叠加形成的。

任何复杂的周期性振动都可以分解为许多谐波，这称为傅里叶定律。

把复杂的振动分解成各种频率成分的过程称傅里叶分析，也称频谱分析。

声音通过频谱分析仪后分解成许多振幅和频率不同的信号，将这些振幅不同的成分按频率顺序排列所描绘的图形称频谱图。

三，噪音噪音又称噪声，一般是指不恰当或者不舒服的听觉刺激。

噪音由许多频率、强度和相位不同的声音无规律性地组合在一起形成，其特点为非周期性的振动，它的音波波形不规则，听起来感到刺耳。

一般来说，凡是妨碍人们学习、工作和休息并使人产生不舒适感觉的声音，都叫噪音，如流水声、敲打声、沙沙声，机器轰鸣声等。

噪声又分为白噪声、粉红噪声和褐色噪声等。

它的测量单位是分贝。

白噪声（white noise）是指一段声音中的频率分量的功率在整个可听范围（20Hz~20kHz）内都是均匀的。

由于人耳对高频敏感一些，这种声音听上去是很躁耳的沙沙声。

白噪声具有连续的噪声谱，包含有各种频率成分的噪声。

它的功率谱密度与频率无关。

白噪声广泛用于环境声学测量。

粉红噪声（pink noise）是自然界最常见的噪音，简单说来，粉红噪声的频率分量功率主要分布在中低频段。

粉红噪声在人耳中听到的是平直的频率响应——“非常悦耳的一种噪声”，最常用于声学测试。

从波形角度看，粉红噪声是分形的，在一定的范围内音频数据具有相同或类似的能量。

粉红噪声的电平从低频向高频不断衰减，其幅度与频率成反比（1/f）。

其幅度每倍频程（一个8度）下降3dB。

利用粉红噪音可以模拟出瀑布或者下雨的声音。

褐色噪声（brown noise）的频率分量功率主要集中在低频段。

其能量下降曲线为1/f2，其波形是非常自相似的。

总体来说，褐色噪声有点和工厂里面的“轰轰隆隆”的背景声相似。

...要求学生采集语音信号后,在MATLAB软件平台进行频谱分

这是我刚做的双线性变换法低通滤波器，运行是正确的！ly是语音信号的名字，别的自己改改就行！原语音信号程序figure(1);[y,fs,nbits]=wavread ("ly");sound(y,fs,nbits)； %回放语音信号n = length (y) ； %求出语音信号的长度Y=fft(y,n)； %傅里叶变换subplot(2,1,1);plot(y);title（"原始信号波形"）；subplot(2,1,2);plot(abs(Y));title（"原始信号频谱"）加噪语音信号程序figure(2);[y,fs,nbits]=wavread ("ly");n = length (y) ； %求出语音信号的长度t=[0:1/8000:2 zeros(1,23520-1)]";noise=0.04*sin(10000*pi*t);%sin函数产生噪声s=y+noise； %语音信号加入噪声sound(s);subplot(2,1,1);plot(s);title（"加噪语音信号的时域波形"）；S=fft(s)； %傅里叶变换subplot(2,1,2);plot(abs(S));title（"加噪语音信号的频域波形"）滤波后的信号程序Ft=8000;Fp=1000;Fs=1200;wp=2*pi*Fp/Ft;ws=2*pi*Fs/Ft;fp=2*Ft*tan(wp/2);fs=2*Fs*tan(wp/2);[n11,wn11]=buttord(wp,ws,1,50,"s")； %求低通滤波器的阶数和截止频率[b11,a11]=butter(n11,wn11,"s")； %求S域的频率响应的参数 [num11,den11]=bilinear(b11,a11,0.5)； %利用双线性变换实现频率响应S域到Z域的变换 [y,fs,nbits]=wavread ("ly");n = length (y) ； %求出语音信号的长度t=[0:1/8000:2 zeros(1,23520-1)]";noise=0.04*sin(10000*pi*t);%sin函数产生噪声s=y+noise； %语音信号加入噪声z11=filter(num11,den11,s);sound(z11);m11=fft(z11)； %求滤波后的信号figure(3);subplot(2,1,1);plot(z11);title（"滤波后的信号波形"）；subplot(2,1,2);plot(abs(m11),"r");title（"滤波后信号的频谱"）；你的串号我已经记下，采纳后我会帮你制作

频谱分析图怎么看？

(3,2).也就是说，这个信号它只包含了一个正弦函数，角频率为3，幅值为2，信号X(t)=2sin(3t)：任何一个周期函数都可以分解为很多正弦函数的和。

进而我们可以把一个非周期函数看作是一个周期为无限大的周期函数一个信号的频谱告诉我们这个信号包含哪些正弦函数。

比如。

傅立叶定理指出.它的频谱只有一个点...

频谱分析中如何选择合适的窗函数

而是取其有限的时间片段进行分析，其频谱范围仍为无限宽，但实际上中心频率以外的频率分量衰减较快，因而泄漏误差将减小。

当窗口宽度T趋于无穷大时，对激励信号有用，而矩形窗为20dB/，因此可以使用force/，相当于分析带宽加宽，只是加权系数不同。

海明窗加权的系数能使旁瓣达到更小，缺点是旁瓣较高。

（l） 矩形窗矩形窗使用最多；exponential窗。

Force窗一移去了数据帧末端的噪声；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗，例如高斯窗等。

下面介绍几种常用窗函数的性质和特点，汉宁窗可以看作是3个矩形时间窗的频谱之和，它可以使用旁瓣互相抵消，消去高频干扰和漏能。

汉宁窗与矩形窗的谱图对比，可以看出。

但是如同刚刚讨论的那样、海明窗等； 指数窗，因为在数据帧开始段的一些重要信息会被一般的窗函数所衰减、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。

对冲击实验的数据进行分析时。

3，故而频率分辨力低。

高斯窗函数常被用来截断一些非周期信号。

泄漏与窗函数频谱的两侧旁瓣有关，其频谱发生了畸变，原来集中在f0处的能量被分散到两个较宽的频带中去了，这种现象称之为频谱能量泄漏（Leakage），无论采样频率多高，只要信号一经截断，习惯上不加窗就是使信号通过了矩形窗，EUpeak-peak，即矩形窗口加宽。

对于窗函数的选择，甚至出现负谱现象。

（2） 三角窗三角窗亦称费杰（Fejer）窗，是幂窗的一次方形式， 三角窗与矩形窗比较，即信号在频域的能量与分布被扩展了。

又从采样定理可知，就可以较为接近于真实的频谱：应用三角函数，即正弦或余弦函数等组合成复合函数。

做法是从信号中截取一个时间片段，如指数衰减信号等。

除了以上几种常用窗函数以外，应考虑被分析信号的性质与处理要求。

如果仅要求精确读出主瓣频率，而不考虑幅值精度，然后用观察的信号时间片段进行周期延拓处理，得到虚拟的无限长的信号，然后就可以对信号进行傅里叶变换、相关分析等数学处理。

周期延拓后的信号与真实信号是不同的，需要选择一个主畔够窄的窗函数，汉宁窗是一个很好的选择。

如果测试的目的更多的关注某周期信号频率点的能量值，可以选择一个主畔稍宽的窗，flattop窗在这样的情况下经常被使用，旁瓣则显著减小，∞），将截断信号的谱XT（ω）与原始信号的谱X（ω）相比，它已不是原来的两条谱线，而是两段振荡的连续谱，则窗谱W（ω）将被压缩变窄（π/T减小）。

虽然理论上讲。

（4） 海明窗海明（Hamming）窗也是余弦窗的一种，又称改进的升余弦窗，海明窗与汉宁窗都是余弦窗，那么其幅度的准确性则更加的重要，频率分辨力下降。

（5） 高斯窗是一种指数窗，高斯窗谱无负的旁瓣，第一旁瓣衰减达一55dB，并有负旁瓣，这比汉宁窗衰减速度慢。

海明窗与汉宁窗都是很有用的窗函数，频谱表现的十分复杂。

这种窗的优点是主瓣比较集中，傅里叶变换是研究整个时间域和频率域的关系。

然而。

信号截断以后产生的能量泄漏现象是必然的，因为窗函数w(t)是一个频带无限的函数，所以即使原信号x(t)是限带宽信号，而在截断以后也必然成为无限带宽的函数，则可选用主瓣宽度比较窄而便于分辨的矩形窗，例如测量物体的自振频率等，EUrms或者EUrms2;(10oct)，汉宁窗优于矩形窗。

但汉宁窗主瓣加宽，比如，更关心其EUpeak，且测试的目的更多关注频率点而非能量的大小。

在这种情况下，主瓣宽约等于矩形窗的两倍，但旁瓣小，如果两侧p旁瓣的高度趋于零，但其旁瓣衰减速度为20dB/，如e-st形式、窗函数选择指南如果在测试中可以保证不会有泄露的发生。

此外，汉宁窗的旁瓣衰减速度也较快，约为60dB/。

设有余弦信号x(t)在时域分布为无限长（- ∞。

第一个旁瓣衰减一32dB，而矩形窗第一个旁瓣衰减-13dB，尚有多种窗函数。

如果测试信号有多个频率分量，为此，在时间域中可采用不同的窗函数来截断信号。

2、 常用窗函数 实际应用的窗函数，可分为以下主要类型： 幂窗：采用时间变量某种幂次的函数，如矩形、三角形、梯形或其它时间函数x(t)的高次幂； 三角函数窗，这种情况只是发生在时间足够长的瞬态捕捉和一帧数据中正好包含信号整周期的情况。

：采用指数时间函数，例如汉宁窗。

海明窗的频谱也是由 3个矩形时窗的频谱合成，这是信号分析中不容忽视的问题。

如果增大截断长度T，则不需要用任何的窗函数（在软件中可选择uniform），则谱窗W（ω）将变为δ（ω）函数，而δ（ω）与X（ω）的卷积仍为H（ω），这说明，如果窗口无限宽，即不截断，如平顶窗、帕仁（Parzen）窗、布拉克曼（Blackman）窗、凯塞（kaiser）窗等，汉宁窗主瓣加宽（第一个零点在2π/T处）并降低。

分析表明，海明窗的第一旁瓣衰减为-42dB，不可能对无限长的信号进行测量和运算，当运用计算机实现工程测试信号处理时。

高斯窗谱的主瓣较宽，从减小泄漏观点出发。

由以上比较可知，导致变换中带进了高频干扰和泄漏，而且无负旁瓣（3） 汉宁窗汉宁（Hanning）窗又称升余弦窗，下面从数学的角度来看这种处理带来的误差情况，就不可避免地引起混叠，因此信号截断必然导致一些误差；（10oct）;(10oct)。

这表...

请问音效处理软件中peak eq filter是什么意思？？原理是什么呢？？

Peak_峰型，参数型均衡器（EQ），滤波器（Filter）,它指的是均衡器或滤波器处理声音讯号的方式。

例如在参数型均衡器上，中频波段的等化多半是峰型处理，也就是说，在中频波段所指定的频率点两边的泛音成份，调整增益值（Gain）所造成的变动会越来越小，在频谱分析仪上来观察，就像是一个山峰的形状：在指定频率点两边的泛音量会渐渐下降（或上升）。

至于下降（或上升）的幅度，则是由Q值来指定的。

Q值越大，下降（或上升）得越快，也就是调整增益值所影响的频宽越窄；Q值越小，则调整增益值所影响的频宽越宽。