原始的音频很难提取特征，需要进行傅里叶变换将时域信号转换到频域进行分析。音频进行傅里叶变换后，结果为复数，复数的绝对值就是幅度谱，而复数的实部与虚部之间形成的角度就是相位谱。经过傅里叶变换之后获得的幅度谱特征明显，可以清楚看到基频和对应的谐波。基频一般是声带的频率，而谐波则是声音经过声道、口腔、鼻腔等器官后产生的共振频率，且频率是基频的整数倍。Griffin-Lim将幅度谱恢复为原始波形，但是相比原始波形，幅度谱缺失了原始相位谱信息。音频一般采用的是短时傅里叶变化，因此需要将音频分割成帧（每帧20ms～50ms），再进行傅里叶变换，帧与帧之间是有重叠的。Griffin-Lim算法利用两帧之间有重叠部分的这个约束重构信号，因此如果使用Griffin-Lim算法还原音频信号，就需要尽量保证两帧之间重叠越多越好，一般帧移为每一帧长度的25%左右，也就是帧之间重叠75%为宜。Griffin-Lim在已知幅度谱，不知道相位谱的情况下重建语音，算法的实现较为简单，整体是一种迭代算法，迭代过程如下：1.随机初始化一个相位谱；2.用相位谱和已知的幅度谱经过逆短时傅里叶变换（ISTFT）合成新语音；3.对合成的语音做短时傅里叶变换，得到新的幅度谱和相位谱；4.丢弃新的幅度谱，用相位谱和已知的幅度谱合成语音，如此重复，直至达到设定的迭代轮数。
语音信号的产生模型包括发生源（Source）和滤波器（Filter）。人在发声时，肺部空气受到挤压形成气流，气流通过声门（声带）振动产生声门源激励$$e[n]$$。对于浊音，激励$$e[n]$$是以基音周期重复的单位冲激；对于清音，$$e[n]$$是平稳白噪声。该激励信号$$e[n]$$经过咽喉、口腔形成声道的共振和调制，特别是舌头能够改变声道的容积，从而改变发音，形成不同频率的声音。气流、声门可以等效为一个激励源，声道等效为一个时变滤波器，语音信号$$x[n]$$可以被看成激励信号$$e[n]$$与时变滤波器的单位响应$$v[n]$$的卷积：$$x[n]=e[n]*v[n]$$已知语音信号$$x[n]$$，待求出上式中参与卷积的各个信号分量，也就是解卷积处理。除了线性预测方法外，还可以采用倒谱分析实现解卷积处理。倒谱分析，又称为同态滤波，采用时频变换，得到对数功率谱，再进行逆变换，分析出倒谱域的倒谱系数。同态滤波的处理过程如下：1.傅里叶变换。将时域的卷积信号转换为频域的乘积信号：$${\rm DFT}(x[n])=X[z]=E[z]V[z]$$1.对数运算。将乘积信号转换为加性信号：