griffin算法是基于没有相位的线性语谱图进行重建。本文采用45ms窗宽，10ms滑动窗的语谱图进行语音信号重建。以下为python实现的griffin重建算法。基本思想：
step1: 初始化一个随机相位
step2: 短时反傅里叶变换
step3: 短时傅里叶变换，保留相位，幅度取最初的幅度
step4: 循环至停止N次迭代。
gl_iters = 120
n_fft, hop_length, win_length = 720, 160,720
def _griffin_lim(S):
angles = np.exp(2j * np.pi * np.random.rand(*S.shape))
S_complex = np.abs(S).astype(np.complex)
y = _istft(S_complex * angles)
for i in range(gl_iters):
angles = np.exp(1j * np.angle(_stft(y)))
y = _istft(S_complex * angles)
return y
def _stft(y):
return librosa.stft(y=y, n_fft=n_fft, hop_length=hop_length, win_length=win_length)
def _istft(y):
return librosa.istft(y, hop_length=hop_length, win_length=win_length)
AudioData, sr = librosa.load(filename, sr=16000, mono=True) # 使用文件采样率
D = librosa.stft(AudioData, n_fft=n_fft, hop_length=hop_length, win_length=win_length)
spect, phase = librosa.magphase(D) # 语音信息域幅度和相位３密切关联
ReAudio = _griffin_lim(D)
plt.plot(AudioData)
plt.plot(ReAudio)
原始语音信号
重建一次语音信号
重建120次语音信号
