语音处理：音频移形幻影，为何大振幅信号也无声？
背景来由
在定位一个音频算法效果问题时，发现对一个序列某一段波形上下平移时，仅在两侧信号过渡时有听感异常，整体上移片段跟其余片段听感很类似。
我们知道，音频信号的波形左右平移会带来延迟的听感，即类似回声慢半拍。
于是想问，音频信号的波形上下平移会对听感怎么样呢？
提出问题
设计3个场景问题，来分析音频信号移形换影：
- 1s左右固定大幅度的信号，听感会怎么样？
- 2s左右且仅一个尖峰的信号，听感会怎么样？
- 2s左右一个基础谐波组成信号，波形往上平移后不过零，听感会怎么样？
实验代码
matlab
%% eval_voice_shift.m: 模拟音频移形变化效果
clear; clc; close all;
%% 构造1s固定大振幅的音频
fs = 48000; % 采样率
duration = 1; % 时长s
t = (0: 1/fs : duration-1/fs)'; % 示例语音片段
x = ones([length(t), 1]);
x = 0.5 * x;
audiowrite('D:\test1.wav', x, fs, 'BitsPerSample', 16);
%% 构造2s尖峰变化音频
fs = 48000; % 采样率
duration = 2; % 时长s
t = (0: 1/fs : duration-1/fs)';
samples = length(t);
samples_left = samples / 2;
samples_right = samples - samples_left;
x_left = linspace(0,0.5,samples_left)';
x_right = linspace(0.5,0,samples_right)';
x = [x_left; x_right];
audiowrite('D:\test2.wav', x, fs, 'BitsPerSample', 16);
%% 构造2s不过零的正弦波音频
fs = 48000; % 采样率
duration = 2; % 时长s
f0 = 100; % hz
t = (0: 1/fs : duration-1/fs)';
x = 2*sin(2*pi*f0*t) + 3*cos(0.24*pi*f0*t);
x_min = min(x);
x_base = x;
x_proc = x + abs(x_min);
y = [x_base x_proc];
audiowrite('D:\test3.wav', y, fs, 'BitsPerSample', 32);
TST_done = 1我用matlab做了3个仿真实验，并得到了结果。
-
场景一，test1.wav中1s大幅度固定信号，听感无声。
-
场景二，test2.wav中2s尖峰信号，听感无声。
-
场景三，test3.wav中2s谐波组成信号上移后，听感音色类似，但力度有所下降。
为啥信号有较大幅值，会听起来无声? 将波形移动，过不过零是否有听感影响？ 不由引人深思。
现象分析
总的说来，一个波形信号上下平移后，考虑到实际喇叭振膜，类似于物理世界里振膜换了一个中心振动，对音色无较大影响，对复杂信号响度可能有影响。
此外，要听到声音要有一定频率的振动，如果信号在长时间内缓慢变化，类似于直流分量了（低频强度远小于20Hz），人耳无法感知。
所以，场景一中大幅度固定信号等效于幅值为0的信号往上平移，听感无声。
而场景二，你说它到底有声吗？有，只是我们听不到。尖峰信号变化过慢，频率远小于20Hz故听感无声，就像你拳头极慢挥出听不声音但快速打出去就能听到声音一样。
场景三中就对应了虽然不过零，但频率足够快时，就能听到声音，对这个波形上下移形换影，听感音色类似，仅响度有所区别。原始的会更有力些，可能是由于扬声器远离基轴回弹过小的，向上移动后整体不够有力。
问题小结
了解唯有振动变化才能产生声波的本质后，再回答这些问题是不是就简单了：任意一个固定幅值的信号听感如何？ 一个正弦波平移后不过零，与之前听感如何？
最后，通过此次实验，我这半路出家音频的门外汉对声学振动、频率、响度以及数字信号发声有了更深认识。
也刷新了一点点认知：数字信号里不是全零才无声，全固定值或者变化很慢的波形均无声。
振动有魔力。