如何使用python matplotlib庫從WAV文件中提取數據？

Question

我試圖從wav文件中提取數據，以便對每個頻率及其幅度相對於時間的音頻進行分析，我的目標是為大學項目的機器學習算法運行此數據，經過一番谷歌搜索之后，我發現這可以通過Python的matplotlib庫完成，我看到一些示例代碼運行了短傅里葉變換，並繪制了這些wav文件的頻譜圖，但無法理解如何使用該庫來提取數據（給定頻率下所有頻率的幅度時間在音頻文件中）並將其存儲在3D數組或.mat文件中。 這是我在某些網站上看到的代碼：

#!/usr/bin/env python

""" This work is licensed under a Creative Commons Attribution 3.0 Unported License.
Frank Zalkow, 2012-2013 """

import numpy as np
from matplotlib import pyplot as plt
import scipy.io.wavfile as wav
from numpy.lib import stride_tricks

""" short time fourier transform of audio signal """
def stft(sig, frameSize, overlapFac=0.5, window=np.hanning):
    win = window(frameSize)
    hopSize = int(frameSize - np.floor(overlapFac * frameSize))

    # zeros at beginning (thus center of 1st window should be for sample nr. 0)
    samples = np.append(np.zeros(np.floor(frameSize/2.0)), sig)    
    # cols for windowing
    cols = np.ceil( (len(samples) - frameSize) / float(hopSize)) + 1
    # zeros at end (thus samples can be fully covered by frames)
    samples = np.append(samples, np.zeros(frameSize))

    frames = stride_tricks.as_strided(samples, shape=(cols, frameSize), strides=(samples.strides[0]*hopSize, samples.strides[0])).copy()
    frames *= win


    return np.fft.rfft(frames)    

""" scale frequency axis logarithmically """    
def logscale_spec(spec, sr=44100, factor=20.):
    timebins, freqbins = np.shape(spec)

    scale = np.linspace(0, 1, freqbins) ** factor
    scale *= (freqbins-1)/max(scale)
    scale = np.unique(np.round(scale))

    # create spectrogram with new freq bins
    newspec = np.complex128(np.zeros([timebins, len(scale)]))
    for i in range(0, len(scale)):
        if i == len(scale)-1:
            newspec[:,i] = np.sum(spec[:,scale[i]:], axis=1)
        else:        
            newspec[:,i] = np.sum(spec[:,scale[i]:scale[i+1]], axis=1)

    # list center freq of bins
    allfreqs = np.abs(np.fft.fftfreq(freqbins*2, 1./sr)[:freqbins+1])
    freqs = []
    for i in range(0, len(scale)):
        if i == len(scale)-1:
            freqs += [np.mean(allfreqs[scale[i]:])]
        else:
            freqs += [np.mean(allfreqs[scale[i]:scale[i+1]])]

    return newspec, freqs

""" plot spectrogram"""
def plotstft(audiopath, binsize=2**10, plotpath=None, colormap="jet"):
    samplerate, samples = wav.read(audiopath)
    s = stft(samples, binsize)

    sshow, freq = logscale_spec(s, factor=1.0, sr=samplerate)
    ims = 20.*np.log10(np.abs(sshow)/10e-6) # amplitude to decibel

    timebins, freqbins = np.shape(ims)

    plt.figure(figsize=(15, 7.5))
    plt.imshow(np.transpose(ims), origin="lower", aspect="auto", cmap=colormap, interpolation="none")
    plt.colorbar()

    plt.xlabel("time (s)")
    plt.ylabel("frequency (hz)")
    plt.xlim([0, timebins-1])
    plt.ylim([0, freqbins])

    xlocs = np.float32(np.linspace(0, timebins-1, 5))
    plt.xticks(xlocs, ["%.02f" % l for l in ((xlocs*len(samples)/timebins)+(0.5*binsize))/samplerate])
    ylocs = np.int16(np.round(np.linspace(0, freqbins-1, 10)))
    plt.yticks(ylocs, ["%.02f" % freq[i] for i in ylocs])

    if plotpath:
        plt.savefig(plotpath, bbox_inches="tight")
    else:
        plt.show()

    plt.clf()
plotstft("abc.wav")

請指導我了解如何提取數據，如果不是通過matplotlib提取數據，請向我推薦其他一些可以幫助我實現這一目標的庫。

Answer 1

首先，這看起來像我的代碼，該代碼據稱已獲得CC許可。 我不太認真，但是您不應該忽略這些方面（在這種情況下，您省略了作者身份的聲明），其他人可能會對這種事情感到更加不滿。

問題：在這段代碼中，stft不是由matplotlib計算的，而是由numpy計算的。 您可以這樣獲得：

samplerate, samples = wav.read(audiopath)
s = stft(samples, 1024)

我不確定為什么要3D陣列？ 它是一個2D數組，但是值很復雜。 如果要將其保存在.mat文件中：

from scipy.io import savemat
savemat("file.mat", {'arr': s})

Answer 2

您可以看到將wav音頻文件讀入變量樣本后，將其傳遞到名為stft的函數：

samplerate, samples = wav.read(audiopath)
s = stft(samples, binsize)

在這里您已經可以使用整數形式的var樣本中的音頻樣本...請注意，位深會影響每個樣本的字節數，以一系列整數表示...也知道您的字節序（從左到右）或反之亦然）...但是在函數stft中，該數組在傳遞到函數np.fft.rfft之前被進一步處理為float：變量數組中的數組

根據您的需求，這些是您的訪問選擇，而無需您自己進行任何處理