Algorithm 声谱图

我制作了一个应用程序，可以实时（从麦克风）在屏幕上绘制FFT。x轴上的时间、y轴上的频率和像素的颜色表示振幅（相当于普通的FFT频谱图）

我的问题是，即使我能从音乐中看到一种模式，也有很多噪音。我在谷歌上看到人们对振幅进行对数计算。我应该这样做吗？如果是这样的话，公式会是什么样子？（我使用的是C#，但我可以将数学转换为代码，所以任何示例都可以。）

---

我可以通过应用颜色方案来绕过这个问题，将较低的值显示为较暗的颜色。我只是不确定在没有对数计算的情况下音频是否正确表示。

在对数尺度上表示振幅近似于人类听觉系统的灵敏度，因此与非对数尺度相比，它能更好地表示您听到的声音。从数学上讲，你所要做的就是：

Alog = 20*log10 (abs (A))

其中，

A

是FFT数据的振幅，

Alog

是输出。

20

的系数只是一种惯例，对图像没有影响，您可能会将其缩放为颜色方案

编辑

关于

20

系数的说明：dB（分贝）单位是一个对数单位，用于测量比率：它表示一个刻度，100和10之间的距离与1000和100之间的距离相同（因为它们具有相同的比率：1000/100=100/10）。如果以dB为单位进行测量，则得到：

10*log10 (1000/100) = 10*log10 (100/10) = 10

10

的系数是因为

deci

意味着

tenth

，这意味着1贝尔等于10分贝（比如1千克等于1000克）

由于人类听觉系统也（近似）测量比率，因此在对数尺度上测量声级是有意义的，即测量声级与某些参考值的比率。由于声级与声波的功率（以瓦特为单位）相关，因此实际上测量的是功率P/Pref的比率。此外，功率与振幅平方成正比，因此总的来说：

10*log10 (P/Pref) = 10*log10 (A^2 / Aref^2) = 20*log10 (A/Aref)

---

根据日志规则。这就是

20

因子的来源-记住，在计算机中，音频由声波的瞬时振幅表示

以对数方式查看频谱图确实是查看音频信号的更好方法。请记住，你需要在时间方向和频率方向上都有好的表现。如果一个或另一个箱子里的箱子太少，可能看起来很奇怪

---

另一个重要的观点是，在对数刻度上查看STFT并不是一种去噪技术。你所看到的“噪音”可能是真实的，也可能是类似的东西，以及其他预期会出现的东西。根据应用程序的不同，如果需要对信号进行短时分析，变换可能更适合您的需要。它消除了STFT的某些缺点，例如恒定的窗口大小。

您有当前输出的屏幕截图吗？更好的是，使用对数频率轴，更接近耳朵的灵敏度，以了解差异，例如，请参阅Hanks。你能再解释一下吗？