我想特别指出这个问题并回答:如何获取 FFT 中每个值的频率? https://stackoverflow.com/questions/4364823/how-do-i-obtain-the-frequencies-of-each-value-in-an-fft。除了咨询librosa 的 STFT 文档 https://librosa.org/doc/latest/generated/librosa.stft.html,我们知道横轴是时间轴,纵轴是频率。频谱图中的每一列都是时间切片的 FFT,其中该时间点的中心有一个窗口,其中放置了n_fft=256
成分。
我们还知道有一个跳长它告诉我们在计算下一个 FFT 之前需要跳过多少音频样本。默认情况下这是n_fft / 4
,因此音频中的每 256 / 4 = 64 个点,我们都会计算一个以该时间点为中心的新 FFTn_fft=256
点长。如果你想知道每个窗口集中的确切时间点,那就简单了i / Fs
with i
是音频信号的索引,它是 64 的倍数。
现在,对于每个 FFT 窗口,对于真实信号,频谱是对称的,因此我们只考虑 FFT 的正侧。这已通过文档验证,其中行数以及频率分量的数量为1 + n_fft / 2
其中 1 是直流分量。既然现在有了这个,查阅上面的帖子,bin号与对应频率的关系是i * Fs / n_fft
with i
是垃圾箱编号,Fs
是采样频率和n_fft=256
作为 FFT 窗口中的点数。由于我们只查看半光谱,而不是i
从 0 到n_fft
,范围从 0 到1 + n_fft / 2
相反,作为超越垃圾箱1 + n_fft / 2
只是半频谱的反射版本,因此我们不考虑超出范围的频率分量Fs / 2
Hz.
如果你想生成这些频率的 NumPy 数组,你可以这样做:
import numpy as np
freqs = np.arange(0, 1 + n_fft / 2) * Fs / n_fft
freqs
将是一个将 FFT 中的 bin 编号映射到相应频率的数组。作为说明性示例,假设我们的采样频率为 16384 Hz,并且n_fft = 256
。所以:
In [1]: import numpy as np
In [2]: Fs = 16384
In [3]: n_fft = 256
In [4]: np.arange(0, 1 + n_fft / 2) * Fs / n_fft
Out[4]:
array([ 0., 64., 128., 192., 256., 320., 384., 448., 512.,
576., 640., 704., 768., 832., 896., 960., 1024., 1088.,
1152., 1216., 1280., 1344., 1408., 1472., 1536., 1600., 1664.,
1728., 1792., 1856., 1920., 1984., 2048., 2112., 2176., 2240.,
2304., 2368., 2432., 2496., 2560., 2624., 2688., 2752., 2816.,
2880., 2944., 3008., 3072., 3136., 3200., 3264., 3328., 3392.,
3456., 3520., 3584., 3648., 3712., 3776., 3840., 3904., 3968.,
4032., 4096., 4160., 4224., 4288., 4352., 4416., 4480., 4544.,
4608., 4672., 4736., 4800., 4864., 4928., 4992., 5056., 5120.,
5184., 5248., 5312., 5376., 5440., 5504., 5568., 5632., 5696.,
5760., 5824., 5888., 5952., 6016., 6080., 6144., 6208., 6272.,
6336., 6400., 6464., 6528., 6592., 6656., 6720., 6784., 6848.,
6912., 6976., 7040., 7104., 7168., 7232., 7296., 7360., 7424.,
7488., 7552., 7616., 7680., 7744., 7808., 7872., 7936., 8000.,
8064., 8128., 8192.])
In [5]: freqs = _; len(freqs)
Out[5]: 129
我们可以看到我们已经生成了一个1 + n_fft / 2 = 129
元素数组告诉我们每个相应的 bin 编号的频率。
一句警告
请注意librosa.display.specshow https://librosa.org/doc/latest/generated/librosa.display.specshow.html默认采样率为 22050 Hz,因此如果不设置采样率(sr
)与音频信号的采样频率相同,垂直轴和水平轴将不正确。确保您指定了sr
输入标志以匹配传入音频的采样频率。