首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >频谱图中窗口移位的影响?

频谱图中窗口移位的影响?
EN

Stack Overflow用户
提问于 2020-09-26 07:03:28
回答 1查看 180关注 0票数 0

我在DSP和生成音频文件的频谱图方面是相当新手。我的频谱图不平滑,它显示的是带有像素值的相当原始的图像,如下所示

当我在寻找像这样一个平滑的谱图时

我在哪里做错了?是因为窗口大小的原因吗?我生成Mel谱图的代码是

代码语言:javascript
运行
复制
def readData(file):
    origData,origSampFreq = librosa.load(file, sr=None)
    return origData, origSampFreq


def resample(originalData, origSampFreq, targetSampFreq):
    resampledData = librosa.resample(originalData, origSampFreq, targetSampFreq)
    return resampledData


def normalizeSound(resampledData, axis):
    """ Axis is 0 for row-wise and 1 
    for column wise"""
    normalizedData = normalize(resampledData, axis)
    return normalizedData

def calculateMelSpectogram(normalizedData, hop_length, win_length, sr):
    #newSamplingFreq = 16000
    S=librosa.feature.melspectrogram(normalizedData, sr=sr, hop_length=hop_length, win_length=win_length)
    return S

#Plot melspectogram

def plotMelSpectogram(S, sr, name, ref=np.max):
    plt.figure(figsize=(10,3))
    S_dB = librosa.power_to_db(S, ref=np.max)
    librosa.display.specshow(S_dB, x_axis='time',y_axis='mel', sr=16000,)
    plt.colorbar(format='%+2.0f dB')
    plt.title('Mel-frequency spectrogram')
    plt.savefig('./chunk_images/' + name + "mel.png",dpi=(300), bbox_inches='tight')
    plt.tight_layout()
    plt.show()
def featureExtraction(audioFile, name, targetSampFreq = 16000, 
                      axis =0 , 
                      hop_length= 256,
                      win_length=512):
    
    y, y_sr = readData(file=audioFile)
    print(y, y_sr)
    resampledData = resample(originalData=y, origSampFreq=y_sr, targetSampFreq=targetSampFreq)
    normalizedData = normalizeSound(resampledData, axis=axis)
    S = calculateMelSpectogram(normalizedData=normalizedData, hop_length=hop_length, win_length=win_length, sr=targetSampFreq)
    plotSound(soundData=normalizedData, sr=targetSampFreq,x_axis_string='time' , name = name)
    plotMelSpectogram(S, sr=targetSampFreq, name = name, ref=np.max)
    return S

# plot orginal time domain data

def plotSound(soundData, sr, x_axis_string, name):
    plt.figure(figsize=(10,3))
    waveplot(soundData, sr, x_axis=x_axis_string)
    plt.savefig('./chunk_images/' + name + "sound.png",dpi=(300), bbox_inches='tight')
EN

回答 1

Stack Overflow用户

发布于 2020-09-27 04:29:40

mel谱图的时间分辨率由hop_length指定。在16 256下的256个样本是16ms,这是一个相当高的分辨率。值越低,分辨率越高。您可以通过使用比hop_length大的n_fft来实现一些平滑。默认值为n_fft = 4x hop_length,其中您只有2x。

频率分辨率由n_mels提供,但您尚未指定。越高,分辨率越高。它通常在32-256带的范围内,典型值为128 (也是librosa中的默认值)。如果你想要更高的沿频率轴,你最好只使用短时傅里叶变换-不应用Mel滤波器组。

顺便说一句,您没有将hop_length传递给librosa.display.specshow,因此该图的时间轴可能是错误的。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/64072306

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档