Если проанализировать процесс получения сигнала из спектра (обратное преобразование Фурье), то можно отметить, что низкочастотные составляющие спектра добавляют результирующей волны общую правильность формы, тогда как высокочастотные составляющие уточняют форму волны, привнося в нее мелкие детали исходного сигнала.
Следует отметить, что графическое представление звуковых сигналов играет иллюстративную роль, гораздо важнее сравнивать эти формы представления с точки зрения обработки, процессов, протекающих в реальных звуковых системах. И здесь необходимо учитывать ряд особенностей.
Рис. 7 – Спектр музыкального фрагмента
Амплитудно-частотном превращению невозможно подвергнуть весь звуковой сигнал (например, запись двухчасового концерта). Во-первых, это задача очень большой размерности, да и обработка протекать не в реальном масштабе времени, а отложено). Во-вторых, невозможно судить о динамике изменения спектра, его развития во времени, а это важно. Поэтому превращению подвергается блок (часть сигнала на небольшом интервале).
Идея блочного спектрального анализа заключается в проведении гармонического анализа реального звукового сигнала таким образом, который позволил бы видеть динамику изменения спектра анализируемого сигнала во времени. При этом на получаемый спектр влияют как вид (форма) кривой рассматриваемого блока (чем гладкие функция есть форма кривой, тем меньше высокочастотных составляющих содержит спектр), так и интервал, на котором этот фрагмент (блок) рассматривается.
Основной проблемой является выбор длительности интервала для блока. Проанализировав сигнал целиком, мы можем получить подробную спектральную картину, несет максимально четкую информацию о частотные составляющие. Проанализировав же лишь небольшой отрезок сигнала, мы получаем огрубленный спектр низкого разрешения, несет лишь приблизительную информацию об основных частотные составляющие.
Иными словами, чем меньше отрезок сигнала мы рассматриваем, тем «проще» его форма, то есть тем меньше деталей начальной волны он несет. А чем менее «сложную» форму имеют звуковые колебания, тем «проще» их спектр (тем меньше в нем высших гармонических колебаний). И наоборот, чем «сложнее» форма колебаний, тем «сложнее» получаемый спектр.
Эта дилемма называется принципом неопределенности спектрального анализа. Решение ищется индивидуально, связывая его с особенностями сигнала и целями анализа в каждом конкретном случае. Иногда, чтобы получить достаточное временное и одновременно с этим приемлемый спектральное разрешение, спектральный анализ проводят с перекрытиями блоков.
Существует еще одна особенность, связанная с проведением блочного спектрального анализа. Разделив сигнал на блоки и проведя поблочно спектральный анализ, мы получаем частотный спектр, который, как правило, по своим амплитудно-частотных характеристиках не совпадает с частотным спектром целого звукового сигнала (он «грубый»). Однако существует еще одна важная причина несовпадения упомянутых частотных спектров — это появление дополнительных высокочастотных составляющих в спектрах отдельных блоков за счет границ интервалов. Этот эффект (появления высокочастотных составляющих в спектре функции в окрестностях точек разрыва) называется эффектом Гиббса. Чтобы максимально ослабить влияние этого эффекта при проведении спектрального анализа, исследуемую функцию (или реальный сигнал) стремятся «сгладить» в исследуемом блоке так, чтобы ее значение в точках разрыва по краям блока (рабочего интервала) отличались минимально. Сигнал умножают на специальную сглаживая оконную функцию (весовую функцию). Например, функцию Хемминга (рис. 8).
