本篇目录：
怎么判断滤波器是高通还是低通?
1、最简单的高通滤波器是“一阶高通滤波器”，它的的特性一般用一阶线性微分方程表示，它的左边与一阶低通滤波器完全相同，仅右边是激励源的导数而不是激励源本身。
2、判断滤波器类型：用傅里叶变换求出H(f)，在画出幅频特性曲线，看高频部分是不是“通”的。分母上有s的0次和1次，分子是s的1次，所以是较高的那个，简称“高次”。
3、低通规则为低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。高通规则为高频信号能正常通过，而低于设定临界值的低频信号则被阻隔、减弱。
4、高通滤波电路输入至输出之间是电容，输入和输出分别经电感接地；低通滤波电路输入至输出之间是电感，输入和输出分别经电容接地。
5、低通：（Low-pass filter）是容许低于截止频率的信号通过，但高于截止频率的信号不能通过的电子滤波装置。
一阶高通滤波器表达式
滤波器的响应可以用s域传递函数表示；变量s来自拉普拉斯变换，代表复杂的频率。例如；该传递函数是一阶低通滤波器频域特性的数学描述。
简单的一阶RC低通、高通滤波器，其截止角频率均为ω0=1/RC。带通滤波器可以由一个RC低通和一个RC高通滤波器串联构成，要求RC低通滤波器的截止角频率ωL高于RC高通滤波器的截止角频率ωH，反之，就是带阻滤波器。
一阶高通滤波器，输出频率特性符合关系式：fL=1/2пRC，RC值设定以后，在频率fL处有-3dB的衰减，因此称fL为此高通滤波器的低频转折频率。
RL高通滤波电路（一阶高通滤波器）组成：一个电阻（R）和一个电感（L）组成。原理：在高通滤波器中，电感通过阻止低频信号的传递来实现滤波。高频信号相对较高的频率可以通过电感器的电阻通过。
基于Fbank的语音数据特征提取
上一套方法还借鉴了一些语音学的知识(采用了语音识别中的发声单元分类网络)，那么基于端到端深度学习的说话人信息提取则是一个纯粹的数据驱动的方式。
语音识别系统的一般架构如左图，分训练和解码两阶段。训练，即通过大量标注的语音数据训练声学模型，包括GMM-HMM、DNN-HMM和RNN+CTC等；解码，即通过声学模型和语言模型将训练集外的语音数据识别成文字。
语音信号经过前端信号处理、端点检测等预处理后，逐帧提取语音特征，传统的特征类型包括有MFCC、PLP、FBANK等特征，提取好的特征会送到解码器，在训练好的声学模型、语言模型之下，找到最为匹配的此序列作为识别结果输出。
通常来讲，语音识别常用的特征有MFCC、Fbank和语谱图。在本项目中，暂时使用的是80维的Fbank特征，提取特征利用python_speech_features库，将特征提取后保存成npy文件。
因此在进行语音分析时，我们大多时候采用分帧的方式进行短时的分析，使用帧长为25ms，帧移为10ms的方式进行分帧，并且计算出每帧内的功率谱进行其他的操作。功率谱在一些特征提取技术中得到应用，比如MFCC，Fbank。
另外，在传统的框架结构中，语音需要分帧，加窗，提取特征，包括MFCC、PLP等等。在基于神经网络的声学模型中，通常使用更裸的Fbank特征。在End-to-en的识别中，使用更简单的特征比如FFT点，也是常见的做法。
...高通特性?低通特性?如何通俗理解?什么是传递函数?传递函数反映什么...
低通：（Low-pass filter）是容许低于截止频率的信号通过，但高于截止频率的信号不能通过的电子滤波装置。
性质：传递函数反映系统自身固有特性，与输入和初始条件无关。传递函数与微分方程：将微分方程运算符d/dt用复数s置换可以得到传递函数，反之亦然。
其幅频、相频特性公式为：H(s) = H1(s) * H2(s)式中H1(s)为高通滤波器的传递函数，H2(s)为低通滤波器的传递函数。
大电容的高频特性一般都不好。2， R值的选取：R值过小会加大电源的负载，R值过大则会消耗较多的能量。RC滤波电路的最大缺陷就是他不仅消耗我们希望抑制的信号能量，而目也消耗我们希望保留的信号能量。
将环路传递函数中S，令S=jΩ即分别得到不同环路闭环频率响应和误差的频率响应。 一阶环 二阶环(以理想二阶环为例) 结论 无论何种滤波器的二阶环其闭环频响特性应都具有低通性质，误差频响特性都具有高通性质。
到此，以上就是小编对于窗函数不能设计高通滤波器的问题就介绍到这了，希望介绍的几点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。
微信扫一扫打赏
