如何使用 python 绘制整个音频文件的频谱或频率与幅度的关系？

Posted 2023-02-25

【中文标题】如何使用 python 绘制整个音频文件的频谱或频率与幅度的关系？

【英文标题】：How to plot spectrum or frequency vs amplitude of entire audio file using python?

【发布时间】：2019-04-25 05:19:29

【问题描述】：

我有一些音频文件，我想绘制音频文件的平均频谱，例如使用 PYTHON（librosa 库）的“大胆”软件。我可以看到他们正在绘制整个音频的平均频率与幅度图。

之后，我想应用 CNN 对两类样本进行分类。寻找建议。

谢谢。

【参考方案1】：

通常您使用librosa.display.specshow 绘制随时间变化的频谱图，而不是整个文件。事实上，作为 CNN 的输入，您可能更愿意使用 librosa.stft 生成的频谱图或一些 Mel 频谱图，具体取决于您的分类目标。

例如，如果您想对流派进行分类，梅尔谱图可能是最合适的。如果您想找出键或和弦，则需要恒定 Q 谱图 (CQT) 等。

也就是说，这里有一些代码可以回答您的问题：

import librosa
import numpy as np
import matplotlib.pyplot as plt


file = YOUR_FILE
# load the file
y, sr = librosa.load(file, sr=44100)
# short time fourier transform
# (n_fft and hop length determine frequency/time resolution)
n_fft = 2048
S = librosa.stft(y, n_fft=n_fft, hop_length=n_fft//2)
# convert to db
# (for your CNN you might want to skip this and rather ensure zero mean and unit variance)
D = librosa.amplitude_to_db(np.abs(S), ref=np.max)
# average over file
D_AVG = np.mean(D, axis=1)

plt.bar(np.arange(D_AVG.shape[0]), D_AVG)
x_ticks_positions = [n for n in range(0, n_fft // 2, n_fft // 16)]
x_ticks_labels = [str(sr / 2048 * n) + 'Hz' for n in x_ticks_positions]
plt.xticks(x_ticks_positions, x_ticks_labels)
plt.xlabel('Frequency')
plt.ylabel('dB')
plt.show()

这导致了这个输出：

【讨论】：

非常感谢您的回答。实际上，我必须使用我的数据集进行一些二进制分类，其中有两种类型的声音常规环境声音被视为背景。还有一些无人机的声音有时会一直持续（每个声音大约 20 秒）或经过麦克风。你能详细建议如何设计这个模型吗？需要什么类型的特征提取？并且可能提供一些可以使用 CNN 轻松完成的示例代码。

简短的回答是，我会使用梅尔谱图并遵循类似于arxiv.org/abs/1606.00298 的方法。但是由于这与原始问题无关，请提出一个新问题。另外，如果您认为我已经回答了您的原始问题，请接受我的回答。谢谢。

@hendrik , 如何绘制幅度与时间的关系？

要么简单地绘制 y，要么使用波图。见librosa.github.io/librosa/generated/…

请阅读decibelWikipedia 或其他地方，或在dsp.stackexchange.com 上提出新问题。简短的回答是：分贝不是单位。它（在这种情况下）描述了日志。最大可表示能量（例如1）与实际能量之间的关系。因此，如果您的样本在 -1 到 1 的范围内，则任何带有 |v|=1（v 是样本值）的样本都有 0 分贝。

【参考方案2】：

import matplotlib.pyplot as plt
from scipy import signal
from scipy.io import wavfile

sample_rate, samples = wavfile.read('h1.wav')
samples=samples[:,0]
frequencies, times, spectrogram = signal.spectrogram(samples, sample_rate)

plt.imshow(spectrogram)
plt.pcolormesh(times, frequencies, spectrogram)

plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.show()

【讨论】：

您好，感谢您的回答。但我想绘制整个时间序列的平均频率与幅度。图的轴将是频率与幅度，而不是时间。