
- STFT 后,时频 magnitude spectrugram (左上图)的横轴是时间,纵轴是真实频率 (0-8kHz)。
n_fft=512,采样率 16kHz. 共有 512/2+1=257 个 bin 。每个bin 间隔 31.25 Hz. - 听音频,BM再BS后的音频听起来略微闷一点。
- 左下图是 ERB 矩阵的示意图,每个merged bin 都是原始 bins 的加权和。

n_fft=512,采样率 16kHz. 共有 512/2+1=257 个 bin 。每个bin 间隔 31.25 Hz.