librosa.amplitude_to_db的概念目的是什么？

Question

我正在使用librosa库从音频数据中获取和过滤光谱图。

我主要理解生成光谱图背后的数学原理：

1. 获取信号
2. 窗口信号
3. 对于每个窗口计算傅里叶变换
4. 创建其列为转换的矩阵
5. 绘制此矩阵的热图

所以对librosa来说这很容易

spec = np.abs(librosa.stft(signal, n_fft=len(window), window=window)

耶！我有我的FFTs矩阵。现在我看到了这个函数librosa.amplitude_to_db，我认为这就是我对信号处理的无知开始显现的地方。这是我在中等媒体上找到的一个片段：

spec = np.abs(librosa.stft(y, hop_length=512))
spec = librosa.amplitude_to_db(spec, ref=np.max)

为什么作者使用这个amplitude_to_db函数？为什么不直接绘制STFT的输出图呢？

Answer 1

可感知声压的范围很广，从20μPa (微Pascal)到20 Pa，比值为100万。此外，人类对声级的感知不是线性的，而是更好地用对数近似。

通过转换为分贝 (dB)，比例尺就变成对数。这限制了数值范围，而不是0-120 dB。当绘制这幅图时，颜色的强度与我们所听到的比使用线性刻度时更接近。

注意，分贝中的参考点(0 dB)可以自由选择。librosa.amplitude_to_db的缺省值是计算numpy.max，这意味着输入的最大值将映射到0 dB。所有其他值都将为负值。该函数还对声音范围应用了一个阈值，默认为80 dB。所以任何低于-80 dB的东西都会被剪裁-80 dB。