Advertisement

Signaltheorie pp 295-310 | Cite as

DieKurzzeit-Fourier-Transformation

  • Alfred MertinsEmail author
Chapter
  • 229 Downloads

Zusammenfassung

In der Analyse von instationären Prozessen, wie zum Beispiel Sprach- oder Musiksignalen, möchte man häufig Aufschluss über die im Signal enthaltenen Spektralanteile gewinnen und diese zu Zeitpunkten bzw. Zeitintervallen zuordnen. Das bedeutet, man sucht eine Darstellung, in der die Signalanteile wie bei einem Notenblatt bezüglich ihres zeitlichen Auftretens und des spektralen Gehalts aufgetragen sind. Die klassische Fourier-Analyse löst dieses Problem nicht, denn sie ordnet den Spektralanteilen keine Zeitintervalle zu. Die Kurzzeit-Fourier-Transformation beachtet dagegen gleichzeitig zeitliche und spektrale Aspekte und ermöglicht so eine Zeit-Frequenz-Analyse.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1].
    J. B. Allen und L. R. Rabiner: A unified approach to STFT analysis and synthesis. Proceedings of the IEEE, 65:1558–1564, November 1977.Google Scholar
  2. [2].
    S. Boll: Suppression of acoustic noise in speech using spectral subtraction. IEEE Trans. Acoust., Speech, Signal Processing, 27(2):113–120, April 1979.Google Scholar
  3. [3].
    R. E. Crochiere und L. R. Rabiner: Multirate Digital Signal Processing. Prentice-Hall, Englewood Cliffs, NJ, 1983.Google Scholar
  4. [4].
    I. Daubechies: The wavelet transform, time-frequency localization and signal analysis. IEEE Trans. Inform. Theory, 36(5):961–1005, September 1990.Google Scholar
  5. [5].
    I. Daubechies: Ten Lectures on Wavelets. SIAM, 1992.Google Scholar
  6. [6].
    Y. Ephraim: Statistical-model-based speech enhancement systems. Proceedings of the IEEE, 80(10):1526–1555, Oktober 1992.Google Scholar
  7. [7].
    Y. Ephraim und D. Malah: Speech enhancement using a minimum mean-square error short-time spectral amplitude estimator. IEEE Trans. Acoust., Speech, Signal Processing, 32(6):1109–1121, Dezember 1984.Google Scholar
  8. [8].
    Y. Ephraim und D. Malah: Speech enhancement using a minimum mean-square log-spectral amplitude estimator. IEEE Trans. Acoust., Speech, Signal Processing, 33(2):443–445, April 1985.Google Scholar
  9. [9].
    S. Furui und M. M. Sondhi: Advances in Speech Signal Processing. Marcel Dekker, New York, 1991.Google Scholar
  10. [10].
    D. Gabor: Theory of communication. Journal of the Institute for Electrical Engineers, 93:429–439, 1946.Google Scholar
  11. [11].
    F. Hlawatsch und G. F. Boudreaux-Bartels: Linear and quadratic time-frequency signal representations. IEEE Signal Processing Magazine, 9(2):21–67, April 1992.Google Scholar
  12. [12].
    R. Martin: Noise power spectral density estimation based on optimal smoothing and minimum statistics. IEEE Trans. Speech and Audio Processing, 9(5):504–512, Juli 2001.Google Scholar
  13. [13].
    L. R. Rabiner und R. W. Schafer: Digital Processing of Speech Signals. Prentice-Hall, Englewood Cliffs, NJ, 1978.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.Institut für SignalverarbeitungUniversität zu LübeckLübeckGermany

Personalised recommendations