为啥 Sonic Visualizer 和我的 Python 脚本之间的频谱分析存在 dB 差异？

Posted 2023-02-25

【中文标题】为啥 Sonic Visualizer 和我的 Python 脚本之间的频谱分析存在 dB 差异？

【英文标题】：Why is there a dB difference in the spectrum analysis between Sonic Visualizer and my Python script?为什么 Sonic Visualizer 和我的 Python 脚本之间的频谱分析存在 dB 差异？

【发布时间】：2020-04-27 10:50:42

【问题描述】：

似乎我在执行从音频文件创建频谱的功能时遇到了问题。我问这个问题是希望有人能找到问题。

您可以下载32位浮动WAV音频文件here。

我正在编写一个脚本，该脚本使用 SciPy 和 NumPy 从音频文件创建频谱分析。在开始之前，我使用 Sonic Visualizer 分析了文件，得到了以下结果：

现在我尝试使用我的 Python 脚本重现此结果，但得到了不同的结果：

一切看起来都正确，除了 dB 值的比例。在 100Hz 时，Sonic Visualizer 为 -40dB，而我的脚本为 -65dB。所以我认为，我的脚本将 FFT 结果转换为 dBFS 时存在问题。

如果我将 Sonic Visualizer 中的曲线与脚本的输出相匹配，则显然关卡转换缺少某些因素：

我的脚本的最小版本，使用上面的“demo.wav”文件，如下所示：

from pathlib import Path

import matplotlib.pyplot as plt
import numpy as np
from scipy.io import wavfile as wavfile
from scipy.signal import savgol_filter

def db_fft(data, sample_rate):
    data_length = len(data)
    weighting = np.hanning(data_length)
    data = data * weighting
    values = np.fft.rfft(data)
    frequencies = np.fft.rfftfreq(data_length, d=1. / sample_rate)
    s_mag = np.abs(values) * 2 / np.sum(weighting)
    s_dbfs = 20 * np.log10(s_mag)
    return frequencies, s_dbfs

audio_file = Path('demo.wav')
frequency, data = wavfile.read(str(audio_file))
data = data[0:4096]
x_labels, s_dbfs = db_fft(data, frequency)
flat_data = savgol_filter(s_dbfs, 601, 3)
plt.style.use('seaborn-whitegrid')
plt.figure(dpi=150, figsize=(16, 9))
plt.semilogx(x_labels, s_dbfs, alpha=0.4, color='tab:blue', label='Spectrum')
plt.semilogx(x_labels, flat_data, color='tab:blue', label='Spectrum (with filter)')
plt.grid(True)
plt.title(audio_file.name)
plt.ylim([-160, 0])
plt.xlim([10, 10000])
plt.xlabel('Frequency [Hz]')
plt.ylabel('Amplitude [dB]')
plt.grid(True, which="both")
target_name = audio_file.parent / (audio_file.stem + '.png')
plt.savefig(str(target_name))

该脚本将 32 位浮点音频文件转换为 dBFS 频谱图，使用前 4096 个样本作为窗口，就像 Sonic Visualizer 所做的那样。

我的脚本哪里出了问题，为什么我得到不同的结果？

【参考方案1】：

1。不同的分贝

第一个很大的区别是他们使用分贝的“功率比”定义，来自this Wikipedia page：

表示功率比时，分贝数是其以 10 为底的对数的十倍。

我也在v4.0.1 source code（svcore/base/AudioLevel.cpp，第 54 行）中验证了这一点

double dB = 10 * log10(multiplier);

2。不同幅度计算

在计算幅度时，它们似乎只是除以代码中的窗口大小。这导致计算更改为

s_mag = np.abs(values) * 2  / data_length 

3。 “更正”结果

我还没有找到导出频谱的方法，但我已经手动读取了前几个值（注意，不是 dB 值）

theirvalues = [
    0.00074, 
    0.000745865, 
    0.00119605, 
    0.0013713, 
    0.0011812, 
    0.000746891, 
    0.000334177,
    0.000163241,
    7.57671e-5,
    3.17983e-5,
    2.91934e-5,
    3.74938e-5
]

与我提到的两个变化，图表比较如下：

这仍然不是完全匹配，但更接近。我怀疑可能仍然存在某种平滑（代码中提到了跳跃，但我不太清楚他们在做什么）。

【讨论】：

您认为使用功率比分析音频数据的 Sonic Visualizer 方法对音频分析是否正确？我查看了其他软件的频谱分析，例如 Ableton Live、Amadeus Pro 和 Apple Logic Pro X，它们似乎使用了根功率标度，就像我在脚本中所做的那样。为了比较，我想使用最接近人类认知的尺度。

我对 20 种比较熟悉，但我没有理由怀疑它们的实现。但是，我可以通过查看代码告诉您，他们没有将其弯曲到 dBa。

【参考方案2】：

正如您所指出的，您的两个结果相差一个常数因子，大约为 2。

来自Wikipedia's entry on Decibel（我的重点）：

在以分贝表示比率时使用两种不同的尺度，具体取决于数量的性质：功率和场（根功率）。在表示功率比时，分贝数是其以 10 为底的对数的十倍。 [2]也就是说，功率变化 10 倍对应于 10 dB 的电平变化。在表示场（根功率）量时，幅度变化 10 倍对应于 20 dB 的电平变化。 分贝标度相差两倍，因此相关的功率和场级别会随着线性负载的相同分贝数变化。

您使用的是 10 倍。

s_dbfs = 20 * np.log10(s_mag)

如果您将标量更改为 20，您会得到以下图像：

这可能会也可能不会解释您的比例差异。 sonic Visualizer 的源代码在 sourceforge 上，所以应该很容易检查（sourceforge 不允许我设置跟踪策略，所以我自己不会去那里）。