测频谱图阵列

Question

我需要一个记录频率的谱图。我目前正在使用scipy.signal.stft函数来获得一个震级数组。但是输出频率是线性间隔的。

import librosa
import scipy

sample, samplerate = librosa.load('sound.wav', sr=64000)
f, t, Zxx = scipysignal.stft(sample, fs=samplerate, window='hamming', nperseg=512, noverlap=256)

我基本上需要f的日志间隔从1Hz到32 1Hz(因为我的声音有一个64千赫的采样)。

我只能拿到上面的声谱图。我需要底部光谱图的实际值数组。我可以通过各种可视化功能(librosa specshow，matplotlib yscaled等)获得它。但我找不到一个实际的二维数量级数组的解决方案，它的频率是对数间隔的。

​

​

任何关于使用什么方法的帮助或提示都将受到极大的感谢！

Answer 1

我只是偶然发现了一个很好的解决你问题的方法。nnAudio库是一个以PyTorch卷积神经网络为后端的音频处理工具箱。虽然它也可以作为一个独立的解决方案。

安装时只需使用：

pip install git+https://github.com/KinWaiCheuk/nnAudio.git#subdirectory=Installation

若要将音频转换为带有日志间隔的频率箱的谱图，请使用：

from nnAudio import features
from scipy.io import wavfile
import torch
sr, song = wavfile.read('./Bach.wav') # Loading your audio
x = song.mean(1) # Converting Stereo  to Mono
x = torch.tensor(x).float() # casting the array into a PyTorch Tensor

spec_layer = features.STFT(n_fft=2048, hop_length=512,
                              window='hann', freq_scale='log', pad_mode='reflect', sr=sr) # Initializing the model

spec = spec_layer(x) # Feed-forward your waveform to get the spectrogram
log_spec =np.array(spec)[0]# cast PyTorch Tensor back to numpy array
db_log_spec = librosa.amplitude_to_db(log_spec) # convert amplitude spec into db representation 

用librosa谱图绘制出的日志频率谱图使用y_axis=‘线性’标志将给出在实际的2d数组中表示的要求:)

plt.figure()
librosa.display.specshow(db_log_spec,  y_axis='linear', x_axis='time', sr=sr)
plt.colorbar()

该库还包含一个逆函数和大量其他特性：https://kinwaicheuk.github.io/nnAudio/intro.html

虽然制作了一个好看的日志-频率谱图，但我很难将STFT恢复回时间域。所包含的iSTFT对我来说不起作用。也许其他人能从这里捡起来？

Answer 2

实际上，为了记录在案，我发现我需要做的是做一个恒Q变换，这正是一个基于日志的光谱图。但你选择的起始频率，在我的例子中，非常有用。为此，我使用了librosa.cqt