语音识别之线性频谱图

⚠申明：未经许可，禁止以任何形式转载，若要引用，请标注链接地址。全文共计3077字，阅读大概需要3分钟
🌈更多学习内容，欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿
个人网站：https://jerry-jy.co/

❗❗❗知识付费，🈲止白嫖，有需要请后台私信或【文末】个人微信公众号联系我

语音识别之线性频谱图

线性频谱图
- 一、任务需求
- 二、任务目标
- - - - 1、掌握频谱图绘制方法
      - 2、掌握频谱图装饰方法
      - 3、学习修改频谱图轴刻度
      - 4、学习更改频谱图分析参数
- 三、任务环境
- - - - 1、jupyter开发环境
      - 2、python3.6
      - 3、tensorflow2.4
- 四、任务实施过程
- - 1、频谱图
  - 2、装饰频谱图
  - 3、更改轴刻度
  - 4、更改分析参数
- 五、任务小结
说明

线性频谱图

一、任务需求

本实验深入演示specshow 可以做的所有事情，包括生成多种时、频域(spectro-temporal)数据的可视化。

librosa 的所有绘图函数都依赖于 matplotlib。因此在这里导入 matplotlib 的 pyplot API是有帮助的。

要求：利用librosa生成频谱图

二、任务目标

1、掌握频谱图绘制方法

2、掌握频谱图装饰方法

3、学习修改频谱图轴刻度

4、学习更改频谱图分析参数

三、任务环境

1、jupyter开发环境

2、python3.6

3、tensorflow2.4

四、任务实施过程

加载工具

import numpy as np
import matplotlib.pyplot as pltimport librosa
import librosa.display

首先，我们加载一个演示曲目

y, sr = librosa.load('/home/jovyan/datas/sorohanro_-_solo-trumpet-06.ogg')

1、频谱图

首先我们要显示一个普通的（线性）频谱图。我们将通过首先计算短时傅立叶变换，然后将幅度映射到分贝尺度来做到这一点。

# 短时傅里叶变换
D = librosa.stft(y)
S_db = librosa.amplitude_to_db(np.abs(D), ref=np.max)

matplotlib有两种主要的绘图方式，pyplot接口和面向对象接口，这两种方式librosa都支持。

接下来我们演示pyplot接口：

plt.figure()
# 绘制频谱图
librosa.display.specshow(S_db)
# 添加颜色条
plt.colorbar()

上图展示了一段声音对应的db频谱图，注意他的数值是负数，这和我们通常理解的分贝不同，音频分析中的db“参照点”不同寻常理解的分贝。

音频分析通常采用满刻度电平，0dBFS(0dB Full Scale),即把16bit采样的±32767允许的最大值作为0dB，这就是参考点。

也就是把有可能出现“数字过载”的临界点作为参照点，在这样的标准下，大多数的实际电平自然都是负值。

然后是面向对象接口

fig, ax = plt.subplots()
img = librosa.display.specshow(S_db, ax=ax)
fig.colorbar(img, ax=ax)

如你所见，两个图形其实是相同的，但它们使用不同的编程接口来构建。

大多数人都会认为 pyplot 界面学起来更快，但面向对象的界面对于复杂的图形可能更灵活一些。

对于本实验的其余部分，我们将使用面向对象的接口。

2、装饰频谱图

上一步表达了频谱图的基本内容，但缺少轴标签。没有这些信息，读者就不可能知道如何解释可视化结论。specshow 提供了许多工具来自动装饰绘图的轴。对于上图，x 轴对应于时间，y 轴对应于由离散傅立叶变换产生的线性间隔频率。我们可以告诉 specshow 相应地轴标签：

fig, ax = plt.subplots()
img = librosa.display.specshow(S_db, x_axis='time', y_axis='linear', ax=ax)
ax.set(title='Now with labeled axes!')
fig.colorbar(img, ax=ax, format="%+2.f dB")

看起来好多了，我们还在颜色条中添加了格式字符串，以便读者了解如何读取色标。

3、更改轴刻度

线性频率标度有时很有用，但通常很难阅读。或者，通常使用对数频率轴。这样做的好处是每个八度音程都占据恒定的垂直范围。

我们可以告诉 specshow 使用对数缩放频率轴，就像上面一样：

fig, ax = plt.subplots()
# 修改为指数坐标
img = librosa.display.specshow(S_db, x_axis='time', y_axis='log', ax=ax)
# 添加标题
ax.set(title='Using a logarithmic frequency axis')
fig.colorbar(img, ax=ax, format="%+2.f dB")

现在纵坐标轴被转换为对数标签，这样做的好处在于音程变成了线性的，例如国际标准音A440，它的下一个八度起始位置是880，再下一个八度是1760。这样指数增加的音程，在现在的坐标轴上，总是等距的。

4、更改分析参数

librosa 使用的默认参数设置（例如，sr=22050、hop_length=512等）可能不适用于每个信号。如果您更改参数的默认值，例如在计算 STFT 时，您可以将相同的参数传递给specshow。这可确保正确计算轴刻度（例如时间或频率）。

例如，在下面的示例中，我们将hop_length设置为256，n_fft设置为4096.

fig, ax = plt.subplots()
D_highres = librosa.stft(y, hop_length=256, n_fft=4096)
S_db_hr = librosa.amplitude_to_db(np.abs(D_highres), ref=np.max)
# 绘制频谱图，横坐标时间，纵坐标指数坐标
img = librosa.display.specshow(S_db_hr, hop_length=256, x_axis='time', y_axis='log',ax=ax)
ax.set(title='Higher time and frequency resolution')
fig.colorbar(img, ax=ax, format="%+2.f dB")