使用numpython的谱图

我需要用numpy制作光谱图。我把1s的音频分成0.02s的块。然后我使用numpy计算FFT，并将其放回一幅图像中。结果很差

以下是使用matplotlib specgram函数生成的光谱图：

这是我的“光谱图”：

这是我的密码：

spect_frags = []
transform = []

for x in range(0, 8000, 160):
  spect_frags.append(spect_sample[x:x + 160])

for sample in spect_frags:
  transform.append(abs(np.fft.fft(sample).real)[0:np.fft.fft(sample).real.size//4])

我削减了3/4的频率，因为我现在不需要它们。 我不知道为什么在分辨率上有如此多的差异。如何改进？

频谱图MCVE 您可以使用以下代码重新创建

specgram

的粗略估计值：

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

# Read some sample file (replace with your data):
rate, data = wavfile.read('./data/aaaah.wav')
# rate=48000, data.shape=(46447, 2) ~ almost 1s of stereo signal

# Spectrogram estimation:
N = 256
S = []
for k in range(0, data.shape[0]+1, N):
    x = fft.fftshift(fft.fft(data[k:k+N,0], n=N))[N//2:N]
    # assert np.allclose(np.imag(x*np.conj(x)), 0)
    Pxx = 10*np.log10(np.real(x*np.conj(x)))
    S.append(Pxx)
S = np.array(S)

# Frequencies:
f = fft.fftshift(fft.fftfreq(N, d=1/rate))[N//2:N]
# array([    0. ,   187.5,   375. , ..., 23625. , 23812.5])

# Spectrogram rendering:
plt.imshow(S.T, origin='lower')

它输出：

渲染时：

此MCVE与specgram不同，因为轴应缩放以正确反映时间和频率，并且没有移动窗口。更准确地说：

• x轴表示长度的时间索引

  N=256

• y轴是正半平面FFT索引（

  N//2=128

  ），请注意使用

  fftshift

  在

  FFT

  之后组合频谱
• 使用采样率和

  fftfreq

  可获得真实频率，在

  specgram

  中，其范围为0到1，因为此方法不一定知道信号采样率
• 没有窗口重叠（使用独立的连续通道），这就是为什么MCVE比specgram稍微不平滑的原因

功率估算 还要注意的是，取复数的实部与取大小不同。主要是，当你写作时：

abs(np.fft.fft(sample).real)

您没有使用复数的范数，但是由于

.real

调用，您完全删除了复数部分

您应该使用：

然后使用

abs

将

complex

类型转换为

float

（或者只保留

real

部分，因为complex部分必须为空）。最后，您可以使用十进制对数进行缩放

健康检查 您可以检查FFT的结果是否确实是复杂类型，并带有一个有意义的复杂部分（删除它会导致信息丢失）：

共轭产物确实有一个空的复杂部分（但仍然是

复杂的
类型）：

通过断言以下内容，您可以确保这始终是正确的（健全性检查）：

assert np.allclose(np.imag(x*np.conj(x)), 0)

频谱图
您可以使用以下代码重新创建
specgram
的粗略估计值：

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

# Read some sample file (replace with your data):
rate, data = wavfile.read('./data/aaaah.wav')
# rate=48000, data.shape=(46447, 2) ~ almost 1s of stereo signal

# Spectrogram estimation:
N = 256
S = []
for k in range(0, data.shape[0]+1, N):
    x = fft.fftshift(fft.fft(data[k:k+N,0], n=N))[N//2:N]
    # assert np.allclose(np.imag(x*np.conj(x)), 0)
    Pxx = 10*np.log10(np.real(x*np.conj(x)))
    S.append(Pxx)
S = np.array(S)

# Frequencies:
f = fft.fftshift(fft.fftfreq(N, d=1/rate))[N//2:N]
# array([    0. ,   187.5,   375. , ..., 23625. , 23812.5])

# Spectrogram rendering:
plt.imshow(S.T, origin='lower')

它输出：


渲染时：


此MCVE与specgram不同，因为轴应缩放以正确反映时间和频率，并且没有移动窗口。更准确地说：


x轴表示长度的时间索引
N=256

y轴是正半平面FFT索引（
N//2=128
），请注意使用
fftshift
在
FFT
之后组合频谱
使用采样率和
fftfreq
可获得真实频率，在
specgram
中，其范围为0到1，因为此方法不一定知道信号采样率
没有窗口重叠（使用独立的连续通道），这就是为什么MCVE比specgram
稍微不平滑的原因

功率估算
还要注意的是，取复数的实部与取大小不同。主要是，当你写作时：

abs(np.fft.fft(sample).real)

您没有使用复数的范数，但是由于
.real
调用，您完全删除了复数部分

您应该使用：

然后使用
abs
将
complex
类型转换为
float
（或者只保留
real
部分，因为complex部分必须为空）。最后，您可以使用十进制对数进行缩放

健康检查
您可以检查FFT的结果是否确实是复杂类型，并带有一个有意义的复杂部分（删除它会导致信息丢失）：

共轭产物确实有一个空的复杂部分（但仍然是
复杂的
类型）：

通过断言以下内容，您可以确保这始终是正确的（健全性检查）：

assert np.allclose(np.imag(x*np.conj(x)), 0)

你在记录结果吗？看起来matplotlib是一个合适的MCVE。制作一个随机数据集，并展示如何生成这两个图像。此外，请记住，您需要应用窗口功能以获得相同的结果。是否可以添加有关输入和所需输出的更多详细信息。同时发布您使用的完整代码，包括对matplotlib的调用，该调用似乎是您想要的输出。在显示结果之前尝试获取对数是否获取结果日志？看起来matplotlib是一个合适的MCVE。制作一个随机数据集，并展示如何生成这两个图像。此外，请记住，您需要应用窗口功能以获得相同的结果。是否可以添加有关输入和所需输出的更多详细信息。同时发布您使用的完整代码，包括对matplotlib的调用，这似乎是您想要的输出。在显示结果之前，请尝试使用对数
assert np.allclose(np.imag(x*np.conj(x)), 0)