问题标签 [hamming-window]

I'm currently doing a thesis about chord recognition with EPCP with wav file as an input, but now I'm stuck at determining number of frames and frame size of a single wav file. I need those data as the parameters for hammingwindow function in NAudio library

I've retrieved all available wav headers, but I dont know how to get number of frames and frame size. Can I calculate it from given header data? Or is there another way?

我有一个音频文件并从声卡缓冲区读取所有数据。然后，我转换byte[]为float[]将它们用于汉明窗。音频波形为：

使用汉明窗后：

带有汉明窗的音频波形对吗？我的错误在哪里？

顺便说一句，我使用 naudio 库来处理音频：

我试图在这里给出长度为 64 的 Wigner-Ville Distribution Hamming Window 与 60% 的重叠。我可以通过以下方式创建长度为 64 的汉明窗

以下是有关该问题的一些理论建议。该窗口似乎是三个汉明波的某种卷积，卷积概率为 60%。

重叠似乎是三个函数的某种卷积。我尝试三个窗口及其重叠

我尝试两个窗口及其重叠

这两个结果似乎都没有给我任何更好的 Wigner-Ville 分布结果。许多云峰仍然可见。所以关键似乎在时间上分开了窗口，因为窗口函数的当前结果只返回与hamming(64)窗口完全相同的图片。

考虑 60% 的重叠

尺寸为hamming(64)64x1 双倍，而conv(hamming(64), hamming(64))127x1 双倍。制作一个 60% 几率的概率算法并不简单，因为我们不能线性地迭代这两个函数。

如何创建具有 60% 重叠的汉明窗？

我将使用 128 点 Hamming Window 在 Vhdl 中实现。在 Matlab 中，我获得了 Hamming Window 的值：

但是，Matlab 给我的是 0 和 1 范围内的不同值。如何将这些值转换为 8 位？

产生的快速衰落信号：mean=0, sigma=0.0189

使用 sigma 生成高斯白噪声和 Sigma Gaussian = sigma 的快速衰落。将自动相关性提高到某个阈值，并且观察到的两个信号的 beta (std (AC)) 值与阈值相似。

现在我想通过使用输入 beta 使用窗口方法过滤高斯噪声，但我很困惑如何在窗口中使用 beta（任何关系公式？），因为我想看到高斯噪声和窗口的重叠，以便看到信号在窗户。

有什么建议么？

所以我写了一些代码，它获取一个音频文件并分割成 16000hz 的 320 个样本的帧。

我采用了每一帧的汉明窗，如代码所示：

那么我如何将汉明窗重叠 50%？我已经看到了关于 SO 的其他问题，并看到了这样的答案：

但是没有运气

我有一个仪器可以产生大致正弦数据，但频率随时间略有变化。我正在使用 MATLAB 对一些代码进行原型设计以表征时间依赖性，但我遇到了一些问题。

我正在生成我的数据的理想化近似值I(t) = sin(2 pi f(t) t)，其中f(t)变量但目前测试为线性或二次。然后我实现了一个滑动汉明窗（宽度为w）以生成一组傅里叶变换F[I(t), t']对应于I(t)中的数据点，每个F[I(t), t ']与高斯拟合，以更精确地确定峰值位置。

我当前的 MATLAB 代码是：

我的思考过程是每个F[I(t), t']中的峰值位置应该是用于产生它的窗口中心频率的近似值。然而，从实验上看，情况似乎并非如此。

过去，我在使用离散傅立叶分析解决工程问题方面取得了一些成功，但我只完成了关于连续傅立叶变换的课程——所以我可能会遗漏一些明显的东西。另外，这是我在 StackExchange 上的第一个问题，因此欢迎提出建设性的批评。

我有一个低分辨率图像 (sLR)，它是通过在行方向的频率（k 空间）域中选择参考高分辨率图像 (sHR) 的中心部分生成的。当我在频域中对这个低分辨率图像进行零填充时，我在空间域中得到了预期的振铃伪影。我尝试通过使用 Hamming 窗口过滤图像来消除此伪影。请在下面查看我的代码。我对将 fft 和 ifft 应用于图像以及过滤过程有疑问，如果有人可以检查我的代码并确认它是正确的，我将不胜感激。

我的第二个问题是当我使用 iffft 时，输出图像通常具有负强度。对于空间域中的进一步处理，如果我以图像的最小强度为 0 的方式对图像强度进行归一化，可以吗？还是我应该使用图像的绝对值？

我需要帮助在汉明窗口中实现 FFT 以在图形/图表上搜索峰值（确定光谱相位函数）。此刻我知道如何在我的图表上标记所有峰值，以及如何从一个图表上的文件夹中加载所有文件。而现在最重要的是通过 FFT 汉明窗找到一个峰值。现在对我来说最重要的事情就是在我的脚本中实现它或者告诉我如何做到这一点。当我明白这一点后，我可以修改它以搜索我想要的峰值。

我的代码：

所以我确实有两个数据数组：

我如何让他们接收看起来像这样的 FFT？

我有一个程序可以显示这些数据，但我需要在 Python2.7 中完成它。我尝试使用在本主题（Plotting a Fast Fourier Transform in Python）中找到的代码，但老实说，我在理解 FFT 时遇到了麻烦，你能帮忙吗？

关于我的数据的一些信息：记录/样本数 266336；时间 300s = 300000ms

我还需要以某种方式实现布莱克曼或汉明窗，你能帮忙吗？