标签: spectrogram

我的问题如下：

我拥有频谱图所需的所有值（scipy.fftpack.fft )。我想在 python 中创建一个 3D 频谱图。

在 MATLAB 中，这是一项非常简单的任务，而在 Python 中似乎要复杂得多。我尝试过 mayavi、3D 绘图 matplotlib，但我还没有设法做到这一点。

谢谢

我的代码：

import numpy as np
import pandas as pd
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.collections import PolyCollection

fs = 11240.
t = 10
time = np.arange(fs*t) / fs
frequency = 1000.
mysignal = np.sin(2.0 * np.pi * frequency * time)

nperseg = 2**14
noverlap = 2**13
f, …

我有一个从 0.20 ms 到 0.40 ms 的音调突发信号。从 0 到 0.20ms 和从 0.40ms 到 3.27ms 它为零。我做了 fft 显示大约 25 kHz 的频率内容。fft 点数为 32768，这也是时域信号的长度。

我正在尝试使用以下代码片段在 Matlab 中绘制频谱图

nfft = 32768;
dT = 1e-6;
fs = 1/dT;
window = hamming(nfft)
spectrogram(signal,window,[],nfft,fs)

使用这个我得到了准确的频率描述，但时间轴是一个问题。

放大时域信号：

25 kHz 时的频谱图：

我想操作seewave音频频谱图，然后将其转换回.wav文件。一个简单的例子

library(tuneR)
library(seewave)

data(tico)
#generate spectrogram with phase information
spec_tico=spectro(tico,plot=FALSE,complex=TRUE,norm=FALSE,dB=NULL)
#manipulate spectrogram
spec_tico_new=dostuff(spec_tico)
#convert back into Wave object - but there is no function spectr2Wave!
tico_new=spectr2Wave(spec_tico_new,...)

我spectr2Wave在seewave文档中找不到任何接近的内容。

你们知道如何在不深入研究wav文件规范并手动执行的情况下将其转换回来的方法吗？谢谢！

我使用matplotlib.pyplot.specgram和matplotlib.pyplot.pcolormesh来制作地震信号的频谱图.

背景信息 - 使用pcolormesh的原因是我需要在光谱图数据阵列上进行算术,然后重新绘制得到的频谱图(对于三分量地震图 - 东,北和垂直 - 我需要计算水平频谱幅度和用水平光谱划分垂直光谱.使用谱图阵列数据比使用单个振幅谱更容易

我发现算术后的谱图有意想不到的值.经过进一步调查后发现,与使用pyplot.pcolormesh制作的频谱图和pyplot.specgram方法返回的数据数据相比,使用pyplot.specgram方法制作的频谱图具有不同的值.两个图/数组都应该包含相同的值,我无法弄清楚它们为什么没有.

示例:的情节

plt.subplot(513)
PxN, freqsN, binsN, imN = plt.specgram(trN.data, NFFT = 20000, noverlap = 0, Fs = trN.stats.sampling_rate, detrend = 'mean', mode = 'magnitude')
plt.title('North')
plt.xlabel('Time [s]')
plt.ylabel('Frequency [Hz]')
plt.clim(0, 150)
plt.colorbar()
#np.savetxt('PxN.txt', PxN)

看起来与情节不同

plt.subplot(514)
plt.pcolormesh(binsZ, freqsZ, PxN)
plt.clim(0,150)
plt.colorbar()

即使"PxN"数据阵列(即每个段的频谱图数据值)由第一种方法产生并在第二种方法中重新使用.

有人知道为什么会这样吗？

PS我意识到我对NFFT的价值不是一个平方数,但在我编码的这个阶段它并不重要.

PPS我不知道"imN"数组(来自pyplot.specgram的第四个返回变量)是什么以及它用于什么......

我在使用声音的自定义文件路径在librosa中创建梅尔频谱图时遇到问题。

我正在遵循此文档：https : //librosa.github.io/librosa/generated/librosa.feature.melspectrogram.html

我看过这个堆栈溢出文章： 使用Librosa生成的频谱图看起来与Kaldi不一致？

但是，这些都没有帮助我解决问题。

import librosa
y, sr = librosa.load("path_to_my_wav_file")
librosa.feature.melspectrogram(y=y, sr=sr)
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 4))
librosa.display.specshow(librosa.power_to_db(y,                                              
ref=np.max), y_axis='mel', fmax=8000, x_axis='time')
plt.colorbar(format='%+2.0f dB')
plt.title('Mel spectrogram')
plt.tight_layout()

有人可以告诉我如何修复此代码，以使其正确显示并将mel-spectrogram保存为jpg文件吗？谢谢！

例如，我有一个带有语音的 wav 文件。

我可以使用 sox 创建漂亮的频谱图可视化：

wget https://google.github.io/tacotron/publications/tacotron2/demos/romance_gt.wav
sox romance_gt.wav -n spectrogram -o spectrogram.png

我怎样才能在Python中重现这个频谱图？

这是使用scipy.signal.spectrogram的示例

input_file = 'temp/romance_gt.wav'
fs, x = wavfile.read(input_file)
print('fs', fs)
print('x.shape', x.shape)

f, t, Sxx = signal.spectrogram(x, fs)
print('f.shape', f.shape)
print('t.shape', t.shape)
print('Sxx.shape', Sxx.shape)
plt.pcolormesh(t, f, Sxx)
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.savefig('spectrogram_scipy.png')

但看起来有些参数不好或者有什么东西坏了：

正如您可能注意到的，我对 python 和声音处理非常陌生。我（希望）使用 python 以及 logfbank 和 mfcc 函数从波形文件中提取 FFT 数据。（logfbank 似乎提供了最有希望的数据，mfcc 输出对我来说看起来有点奇怪）。

在我的程序中，我想更改 logfbank/mfcc 数据，然后从中创建波形数据（并将它们写入文件中）。我确实没有找到任何有关从 FFT 数据创建波形数据的过程的信息。你们中有人知道如何解决这个问题吗？我将非常感激:)

到目前为止，这是我的代码：

from scipy.io import wavfile 
import numpy as np
from python_speech_features import mfcc, logfbank

rate, signal = wavfile.read('orig.wav')
fbank = logfbank(signal, rate, nfilt=100, nfft=1400).T
mfcc = mfcc(signal, rate, numcep=13, nfilt=26, nfft=1103).T 

#magic data processing of fbank or mfcc here

#creating wave data and writing it back to a .wav file here

我正在尝试绘制 16000Hz 16 位 .wav 语音音频的波形图和频谱图。我已成功获得以下图：

但是，频谱图上的时间值不正确。我确信我的采样率在整个程序中是一致的（16000Hz），但我仍然无法获得频谱图的正确时间值。

下面是我的Python脚本：

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

y, sr = librosa.load('about_TTS_0792.wav', sr=16000)
print("Current audio sampling rate: ", sr)

print("Audio Duration:", librosa.get_duration(y=y, sr=sr))

D = librosa.stft(y, hop_length=64, win_length=256)  # STFT of y
S_db = librosa.amplitude_to_db(np.abs(D), ref=np.max)

fig, ax = plt.subplots(nrows=2)

librosa.display.waveplot(y, sr=sr, ax=ax[0])
img = librosa.display.specshow(S_db, sr=sr, x_axis='s', y_axis='linear',ax=ax[1])
ax[1].set(title='Linear spectrogram')
fig.colorbar(img, ax=ax[1], format="%+2.f dB")
fig.tight_layout()

plt.show()

此代码的输出：

Current audio sampling rate:  16000

Audio Duration: 0.792

我不知道我错过了什么会导致 x …

我正在努力将我的代码从 python 转换为目标 c。在 matplotlib.mlab.specgram 函数中，我在 fft 之前看到了 3 个重要的函数：

 result = stride_windows(x, NFFT, noverlap, axis=0)
 result = detrend(result, detrend_func, axis=0)
 result, windowVals = apply_window(result, window, axis=0,
                                      return_window=True)
 result = np.fft.fft(result, n=pad_to, axis=0)[:numFreqs, :]

我试图调试以了解每个的目的。例如我有输入数组：

x = [1,2,3,4,5,6,7,8,9,10,11,12]

在第一个函数 stride_windows 之后（这个是为了防止泄漏？），如果 NFFT = 4，noverlap = 2 那么：

x = [ [1,3,5,7,9],
      [2,4,6,8,10],
      [3,5,7,9,11],
      [4,6,8,10,12] 
    ]

在 detrend 之后没有任何变化（我了解 fft 之前的 detrend）

在 apply_window 里面（我不明白这一步）：

    xshape = list(x.shape) 
    xshapetarg = xshape.pop(axis) // =4
    windowVals = window(np.ones(xshapetarg, dtype=x.dtype))
    //result of 4 elements …