3. 信号处理基础：时域与频域分析、傅里叶变换（FFT）、短时傅里叶变换（STFT）、数字滤波器基础（FIR/IIR）
各位同学好，欢迎来到第三章。这一章是咱们整个声学自适应处理的地基。说实话，很多做语音算法的朋友，最后调不通模型，回头一看，往往是时频域的基本功不够扎实。今天我就带大家把这些基础概念彻底捋一遍。
本章核心脉络：我们从“信号怎么看”出发，先理解时域和频域是同一枚硬币的两面；然后掌握从时域跳到频域的核心工具——傅里叶变换及其快速实现FFT；接着解决非平稳信号的时频分析需求，引出短时傅里叶变换（STFT）；最后，学会用数字滤波器（FIR/IIR）在频域里“修剪”信号。这套流程，几乎贯穿所有声学场景自适应系统。
3.1 时域与频域：同一枚硬币的两面
咱们做声学处理的，天天跟波形打交道。时域，就是看信号幅度随时间怎么变。你打开录音软件，看到的那条上下跳动的曲线，就是时域波形。频域呢？它告诉你这个信号里有哪些频率成分，每个频率有多强。
我举个例子。你听到一段音乐，时域波形看起来就是一堆乱糟糟的锯齿。但如果你做一次傅里叶变换，转到频域一看——哦，基频是440Hz，那是A4音，还有一堆泛音。信息瞬间就清晰了。
为什么会这样？因为很多声学现象在时域里纠缠在一起，到了频域反而分得开。比如人声和空调噪声，时域上完全重叠，但频域里一看，空调噪声集中在低频段，人声在中高频，一刀切下去就分开了。
我的经验：刚入行时，我总习惯盯着时域波形看，觉得直观。后来做回声消除，发现时域里根本看不出回声路径的变化，转到频域做自适应滤波，效果立竿见影。从那以后，我养成了“先看频域，再回时域”的习惯。
3.2 傅里叶变换与FFT：从理论到工程
傅里叶变换的数学公式大家应该都见过：
连续时间傅里叶变换 (CTFT):
X(f) = ∫ x(t) · e^(-j2πft) dt (从 -∞ 到 +∞)
离散傅里叶变换 (DFT):
X(k) = Σ x[n] · e^(-j2πkn/N) (n = 0 到 N-1)说白了，就是把信号分解成不同频率的正弦波之和。每个频率分量用一个复数表示，幅度对应能量，相位对应时间偏移。
但在实际工程里，我们不可能算无穷积分。计算机只能处理离散的、有限长的序列。这就是DFT登场的原因。DFT的计算量是O(N²)，N稍微大一点——比如1024点——就要算一百多万次乘法，实时系统根本扛不住。
所以有了FFT（快速傅里叶变换）。它利用旋转因子的对称性和周期性，把计算量降到O(N log₂N)。N=1024时，FFT只需要约一万次运算，比DFT快了两个数量级。
| 变换类型 | 适用信号 | 计算复杂度 | 工程场景 |
|---|---|---|---|
| CTFT | 连续、无限长 | 理论分析 | 公式推导、教科书 |
| DFT | 离散、有限长 | O(N²) | 理论定义 |
| FFT | 离散、有限长 | O(N log₂N) | 所有实时系统 |
避坑指南：我曾经在一个项目里直接用DFT做频谱分析，采样率48kHz，帧长4096点，结果DSP芯片算到冒烟，延迟飙到200ms。换成基2-FFT后，延迟降到5ms以内。记住：工程里永远用FFT，别自己写DFT。另外，FFT要求输入长度是2的幂次，不是的话要做补零或截断。
3.3 短时傅里叶变换（STFT）：给信号加一扇滑动窗
FFT有个前提：信号是平稳的，也就是统计特性不随时间变化。但声学信号——语音、音乐、环境噪声——都是非平稳的。一段语音里，元音和辅音的频谱天差地别。你用一整段的FFT去看，得到的是平均频谱，细节全丢了。
怎么办？加窗分帧。这就是STFT的核心思想。
STFT的做法很简单：
- 把信号切成短段（帧），每帧通常20-40ms，保证帧内近似平稳。
- 每帧加一个窗函数（汉宁窗、海明窗），减少频谱泄漏。
- 对每一帧做FFT，得到该时刻的频谱。
- 帧与帧之间重叠50%-75%，保证连续性。
结果就是一个三维的时频谱图：横轴是时间，纵轴是频率，颜色深浅代表能量大小。你想想看，这就像给信号拍了一张“频率随时间变化”的照片。
STFT 的数学表达:
X(m, k) = Σ x[n] · w[n - mR] · e^(-j2πkn/N)
其中:
- m: 帧索引
- k: 频率索引
- w[n]: 窗函数
- R: 帧移（hop size）
- N: FFT长度关键参数选择：
- 帧长：20-40ms。太短则频率分辨率差，太长则时间分辨率差。语音处理常用32ms（采样率16kHz时对应512点）。
- 帧移：通常为帧长的25%-50%。我习惯用50%重叠，信息冗余度够，计算量也适中。
- 窗函数：汉宁窗（Hanning）是默认选择，旁瓣衰减快，适合大多数场景。海明窗（Hamming）旁瓣稍高但主瓣窄，适合需要频率分辨率的场景。
我的习惯：做STFT时，我一般先画一帧的加窗前后对比图，看看窗函数有没有把帧边缘削得太狠。如果后续要做逆变换（ISTFT）恢复波形，一定要保证窗函数满足“常数重叠相加（COLA）”条件，否则恢复出来的信号会有幅度调制噪声。这个坑我踩过，调了一整天才发现是窗函数没选对。
3.4 数字滤波器基础：FIR与IIR
有了频域分析工具，接下来就要学会怎么“修”信号了。数字滤波器就是干这个的。
数字滤波器分两大类：FIR（有限脉冲响应）和IIR（无限脉冲响应）。
| 特性 | FIR | IIR |
|---|---|---|
| 脉冲响应长度 | 有限（N阶） | 无限（有反馈） |
| 稳定性 | 绝对稳定 | 可能不稳定（需设计保证） |
| 相位特性 | 可做到严格线性相位 | 非线性相位 |
| 计算量 | 较大（N次乘加/样本） | 较小（通常2-10次乘加/样本） |
| 设计难度 | 简单（窗函数法、最小二乘法） | 中等（模拟原型映射） |
| 典型应用 | 波束形成、均衡器、匹配滤波 | 降噪、回声消除、低通/高通 |
FIR的差分方程：
y[n] = b₀·x[n] + b₁·x[n-1] + ... + b_N·x[n-N]没有反馈，只有前向路径。所以它天生稳定，而且可以做到线性相位——所有频率的延迟一样，波形不会畸变。这在声学场景里很重要，比如波束形成，相位失真会破坏指向性。
IIR的差分方程：
y[n] = b₀·x[n] + b₁·x[n-1] + ... - a₁·y[n-1] - a₂·y[n-2] - ...有反馈，所以效率高。一个二阶IIR就能实现很陡的截止特性，而FIR可能需要上百阶。但IIR的相位是非线性的，而且设计不好会振荡甚至发散。
避坑指南：我曾经在一个降噪项目里用IIR滤波器做高通，截止频率设得太靠近通带，结果滤波器在低频段产生了自激振荡，输出信号里多了一段低频嗡鸣。排查了两天才发现是极点太靠近单位圆了。从那以后，我对IIR的设计原则是：极点距离单位圆至少留0.05的余量。如果对相位有要求，老老实实用FIR。
3.5 滤波器设计实战：从规格到代码
讲完理论，咱们来点实际的。假设你要设计一个低通滤波器，用于去除8kHz以上的噪声，采样率16kHz。
FIR设计步骤（窗函数法）：
- 确定通带截止频率：7.5kHz（留过渡带）
- 确定阻带起始频率：8.5kHz
- 选择窗函数：汉宁窗，旁瓣衰减约44dB
- 计算阶数：N ≈ 3.3 / (Δf · T) = 3.3 / (1000/16000) ≈ 53阶
- 生成理想低通脉冲响应，加窗截断
// Python 示例：FIR低通滤波器设计
import numpy as np
import scipy.signal as signal
fs = 16000
cutoff = 7500 # 通带截止频率
numtaps = 55 # 滤波器阶数+1
# 窗函数法设计
fir_coeff = signal.firwin(numtaps, cutoff, fs=fs, window='hann')
# 查看频率响应
w, h = signal.freqz(fir_coeff, fs=fs)
# h 就是频响，可以画图验证IIR设计步骤（巴特沃斯）：
- 确定通带截止频率：7.5kHz
- 确定阻带衰减：40dB
- 选择原型：巴特沃斯（最大平坦通带）
- 计算阶数：通常4-6阶即可
- 用双线性变换法映射到数字域
// Python 示例：IIR低通滤波器设计
fs = 16000
cutoff = 7500
order = 4
# 巴特沃斯设计
b, a = signal.butter(order, cutoff, btype='low', fs=fs)
# 检查稳定性
poles = np.roots(a)
if np.any(np.abs(poles) >= 1):
print("警告：滤波器不稳定！")我的建议：初学者先从FIR入手。虽然计算量大一点，但稳定、线性相位、设计直观。等你把FIR玩熟了，再碰IIR。而且现在很多DSP和ARM芯片都有硬件乘加器，跑几十阶FIR根本不是问题。我在一个Cortex-M4上跑64阶FIR，单通道只占不到5%的CPU。
3.6 本章小结
这一章我们走完了信号处理的基础链路：从时域看到频域，用FFT高效完成变换，用STFT处理非平稳信号，最后用FIR/IIR在频域里做“修剪”。这套工具链，是后续所有声学自适应算法——回声消除、噪声抑制、波束形成、声源定位——的基石。