% 加载语音文件 [x, fs] = audioread('example.wav'); % 设置帧长、帧移、窗函数 frame_len = 256; % 帧长，单位为采样点 frame_shift = 128; % 帧移，单位为采样点 win_rect = rectwin(frame_len); % 矩形窗 win_hamming = hamming(frame_len); % 汉明窗 % 计算帧数 num_frames = fix((length(x) - frame_len) / frame_shift) + 1; % 初始化时域波形和短时频谱 waveform_rect = zeros(length(x), 1); waveform_hamming = zeros(length(x), 1); spec_rect = zeros(frame_len/2+1, num_frames); spec_hamming = zeros(frame_len/2+1, num_frames); % 分帧、加窗、计算短时傅里叶变换 for i = 0:num_frames-1 index = i * frame_shift + 1; frame = x(index:index+frame_len-1); % 加矩形窗的时域波形 waveform_rect(index:index+frame_len-1) = waveform_rect(index:index+frame_len-1) + (frame .* win_rect); % 加汉明窗的时域波形 waveform_hamming(index:index+frame_len-1) = waveform_hamming(index:index+frame_len-1) + (frame .* win_hamming); % 短时傅里叶变换 spec_rect(:, i+1) = abs(fft(frame .* win_rect, frame_len)).^2 / frame_len; spec_hamming(:, i+1) = abs(fft(frame .* win_hamming, frame_len)).^2 / frame_len; end % 画出时域波形和短时频谱 figure; subplot(2,2,1); plot(x); title('原始信号'); subplot(2,2,2); plot(waveform_rect); title('加矩形窗的时域波形'); subplot(2,2,3); imagesc(spec_rect); axis xy; colormap jet; title('加矩形窗的短时频谱'); subplot(2,2,4); imagesc(spec_hamming); axis xy; colormap jet; title('加汉明窗的短时频谱');改进代码

这段代码实现了短时傅里叶变换（STFT）的过程，但是存在一些改进的空间。以下是一些可能的改进点：

1. 对于帧长和帧移的选择，可以根据具体应用场景进行调整。较短的帧长可以提高时间分辨率，但会降低频率分辨率，而较长的帧长则相反。帧移的选择也会影响到重叠部分的比例，过大会造成信息损失，过小则会增加计算量。

2. 对于窗函数的选择，矩形窗和汉明窗只是常用的两种，还有其他窗函数可以选择，如Blackman窗、Hanning窗等。不同的窗函数会对谱形成和频率响应产生不同的影响。

3. 对于短时傅里叶变换后得到的短时频谱，可以进行进一步的处理，如加窗平滑、Mel滤波、离散余弦变换等，来提取更有意义的特征。

4. 在画出时域波形和短时频谱的过程中，可以添加坐标轴和标签等更直观的信息，以方便观察和分析。

5. 最后，可以将这段代码封装成一个函数，以便在后续的应用中直接调用和使用。