如何解决频谱图中窗口移位的影响?
我在DSP方面还很陌生,它会生成音频文件的声谱图。我的频谱图不平滑,并且显示的是像素值相当原始的图像,像这样
虽然我正在寻找像这样的平滑频谱图
我在哪里做错了?是因为窗口大小的大小吗?我生成梅尔频谱图的代码是
def readData(file):
origData,origSampFreq = librosa.load(file,sr=None)
return origData,origSampFreq
def resample(originalData,origSampFreq,targetSampFreq):
resampledData = librosa.resample(originalData,targetSampFreq)
return resampledData
def normalizeSound(resampledData,axis):
""" Axis is 0 for row-wise and 1
for column wise"""
normalizedData = normalize(resampledData,axis)
return normalizedData
def calculateMelSpectogram(normalizedData,hop_length,win_length,sr):
#newSamplingFreq = 16000
S=librosa.feature.melspectrogram(normalizedData,sr=sr,hop_length=hop_length,win_length=win_length)
return S
#Plot melspectogram
def plotMelSpectogram(S,sr,name,ref=np.max):
plt.figure(figsize=(10,3))
S_dB = librosa.power_to_db(S,ref=np.max)
librosa.display.specshow(S_dB,x_axis='time',y_axis='mel',sr=16000,)
plt.colorbar(format='%+2.0f dB')
plt.title('Mel-frequency spectrogram')
plt.savefig('./chunk_images/' + name + "mel.png",dpi=(300),bbox_inches='tight')
plt.tight_layout()
plt.show()
def featureExtraction(audioFile,targetSampFreq = 16000,axis =0,hop_length= 256,win_length=512):
y,y_sr = readData(file=audioFile)
print(y,y_sr)
resampledData = resample(originalData=y,origSampFreq=y_sr,targetSampFreq=targetSampFreq)
normalizedData = normalizeSound(resampledData,axis=axis)
S = calculateMelSpectogram(normalizedData=normalizedData,win_length=win_length,sr=targetSampFreq)
plotSound(soundData=normalizedData,sr=targetSampFreq,x_axis_string='time',name = name)
plotMelSpectogram(S,name = name,ref=np.max)
return S
# plot orginal time domain data
def plotSound(soundData,x_axis_string,name):
plt.figure(figsize=(10,3))
waveplot(soundData,x_axis=x_axis_string)
plt.savefig('./chunk_images/' + name + "sound.png",bbox_inches='tight')
解决方法
mel频谱图的时间分辨率由hop_length
指定。 16kHz下的256个采样为16 ms,这是一个相当高的分辨率。较低的值表示较高的分辨率。
您可以使用大于Hop_length的n_fft
进行一些平滑处理。默认值为n_fft = 4x hop_length,而您只有2x。
频率分辨率由n_mels
给出,您尚未指定。越高,分辨率越高。它通常在32-256个频段范围内,典型值为128(也是librosa中的默认值)。
如果您想要高于沿频率轴的频率,最好只使用STFT,而不应用Mel滤波器组。
顺便说一句,您没有将hop_length
传递给librosa.display.specshow
,所以该图的时间轴很可能是错误的。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。