语音的常用处理就是分帧，分帧，fft变换，做一些处理，然后反变换回到时域。
这里面常用到的就是enframe 和 overlapadd
enframe分帧，我想大家都很熟悉了，这里不再介绍，overlapadd具体含义可以看这篇文章
STFT使用overlap-add重建信号_u010592995的专栏-CSDN博客_overlap
上面这篇文章介绍的很清楚。
一、问题的引入
voicebox 中给出了一个example
其实这里面就是一个简单的分解和合成，按此我们可以补充一些代码完成信号的分帧处理
这里面核心部分就是enframe和overlapadd，比较奇怪的就是W做的归一化，这个归一化有些奇怪，是平方归一化，另外是hamming用的periodic，
二、hamming的 'periodic' 选项，其实这个是针对 ‘symmetric‘
matlab给的解释：大致含义就是 在做 FIR滤波器设计时候，需要共轭对称，那么使用 symmetric 选项，在做DFT/FFT的时候，用periodic
我们看下他们的不同：
同样的长度下，symmetric 完全共轭对称（这里是实数，没有虚数，或者虚部为零），头尾一样
periodic更符合DFT的频谱特性
上面比较接近一个实序列的FFT的幅度谱的排列方式，即第一个数，DC分量（直流）单独为一块（没人和它对称），完了其余的头尾对称，中间单独（自己和自己对称，奇数N的FFT不存在）
且窗函数hamming，不一定只用于时域，在频域上也会使用的，那么这个这个periodic更适合频域上的窗，当然用于fft的时候
二、 W的归一化方式
归一化方式是平方和，是因为 信号经过了两次 窗函数，一次是在分解的时候（enframe），一次是在重构的时候（overalapadd），W具有平方特性下的归一：
且刚好是头半个窗乘完之后还要乘一遍，尾部也是同样，本文 三 中代码部分已经描述
OV=2; % overlap factor of 2 (4 is also often used)
INC=512; % set frame increment in samples
NW=INC*OV; % DFT window length
W=sqrt(hamming(NW,'periodic')); % omit sqrt if OV=4
W=W/sqrt(sum(W(1:INC:NW).^2)); % normalize window
W1 = zeros(1024*10,1);
W2 = zeros(1024*10,1);
W3 = zeros(1024*10,1);
W4 = zeros(1024*10,1);
W1([1:1024]) = W;
W2([1+512:1024+512]) = W;
W3([1+512*2:1024+512*2]) = W;
W4([1+512*3:1024+512*3]) = W;
W_total = W1+W2+W3+W4;
plot(W_total);
W_total = W1.^2+W2.^2+W3.^2+W4.^2;
plot(W_total);
W=W/sqrt(sum(W(1:INC:NW).^2)); 后面 W(1) W(1+INC)这两个点的和（交叠，每一个横轴点，用了头和两尾两个点，可以参考下图，如果用了OV=4，那就是四个点相加），恰好都是固定值，每个点都要除以这个倍数，
其他点
值都一样，这归根到底是hanning或者hamming窗都是sin 系列的窗，推迟pi/2相位变成cos
sinx*sinx + cosx*cosx ==1,平方能量和总是固定值，其他窗（三角，矩形）应该不满足这个特性
stft的时候，这个数据会用两遍(因为overlap分属不同的帧）
[1 2 3 4 5 6...] * win( cos) ，[1 2 3 4 5 6...] * win( sin)
在istft的时候，也会再计算两遍，然后做和
[1 2 3 4 5 6...] * win( cos) ，[1 2 3 4 5 6...] * win( sin)
刚好就是 [12 3 4 56] * (cos^2 + sin^2)
三，整理出来的代码：
整理一下代码吧，如果对模块不熟悉，还是调用enframe和overlapadd函数，现在既然已经知道了这俩函数的根本含义，直接就自己写好了
如果是对静态的文件做处理，那么直接enframe和overlapadd就可以了，现在如果是需要实时的每一帧都要输出结果，那么得考虑下面的写法了：
重构信号 = 信号前半部分*窗的前半部分 + 遗留的上一帧的后半部分*窗的后半部分
S =double(S);
output =[];
for i = 1:nframe-1
% 步进长度，inc
loc_data = S([1+(i-1)*INC:1024+(i-1)*INC]).* W;
loc_fft = fft(loc_data);
% 这里写你要干的操作
loc_data = ifft(loc_fft);
half_data1 = last_frame_data([513:1024]) .* half_right_W;
half_data2 = loc_data([1:512]) .* half_left_W;
half_result = half_data1 + half_data2;
last_frame_data = loc_data;
output = [output;half_result];
end
四、用一个wav信号进行测试：
左边：原始：
右边：重构
其实除了第一帧和最后一帧以外，信号完美重构回去了