計算.wav文件窗口上的功率譜圖

Question

我正在嘗試計算聲音文件的一部分的功率譜圖。 目前我正在使用librosa 。

我用20 * 1e-3 * samplerate計算我的windowsize。 我想知道的是結果（特別是t的長度），如下例所示：

44.1kHz的采樣率與20ms的時間幀相結合產生882個樣本的窗口。

In [2]: D = np.abs(librosa.stft(y[:882]))**2

In [3]: np.shape(D)
Out[4]: (1025, 2)

我得到的是我的結果中的2ms時間幀，這不是我的預期。 有人可以幫助我/指出我做錯了什么嗎？

Answer 1

默認情況下， librosa.stft使用的FFT大小為n_fft為2048，輸出的第一個維度與實際輸入信號的非冗余頻率分量的數量相匹配（ 1+n_fft/2 ，在本例中為1025）。

第二個維度由時間片的數量決定，我認為這是你有點困惑的地方，期待你的882個樣本中的一個時間片。 但是， librosa.stft計算重疊時間片的輸出。 默認情況下，每個切片使用的樣本數設置為win_length / 4 ，因為您沒有指定win_length ，所以設置為n_fft / 4或512.充分利用您的882個樣本（並根據需要填充） ，這給你兩片：

• 樣品0至2047;
• 另一個用於樣本512到881，並添加零填充。

如果您不想重疊，可以將hop_length參數設置為與n_fft匹配。