為什么librosa圖與matplotlib和audacity不同

Question

我正在從文件中讀取pcm數據，然后將其繪制。 我已經注意到，情節在librosa.display.waveplot，情節和大膽之間變化。

這是代碼和圖像

%matplotlib inline
import matplotlib.pyplot as plt
import librosa.display
import numpy as np
import IPython.display as ipd
import matplotlib.pyplot as plt
import numpy, pylab

# the pcm file is 32le integer with a sampling rate of 16KHz
pcm_data = np.fromfile('someaudio.pcm', dtype=np.int32)

# the sample has the same sound as audacity
ipd.Audio(data=pcm_data, rate=16000) 

# all of these give the same resulting plot
plt.figure()
plt.subplot(3, 1, 1)
#librosa.display.waveplot(pcm_data, sr=16000)
#librosa.display.waveplot(pcm_data.astype('double'), sr=16000)
librosa.display.waveplot(pcm_data.astype('float'), max_points=None, sr=16000, max_sr=16000)

這個結果看起來像

# alternatively plot via matplotlib
pylab.plot(pcm_data)
pylab.show()

這個結果看起來像

matplotlib的結果看起來很膽大

Answer 1

matplotlib和Audacity顯示了實際的信號樣本，顯然在記錄的后半段全部為負。

另一方面， librosa顯示了絕對信號的包絡，如其文檔中所述 ：

繪制波形的幅度包絡線。

如果y是單聲道的，則在[-abs(y), abs(y)]之間繪制一條填充曲線。

在這種情況下， y是信號。

有效地導致沿x軸的鏡像效果，這就是librosa圖對稱的原因。 matplotlib和Audacity顯然沒有這樣做。

有人可能會爭辯說， librosa的行為有效地隱藏了非對稱波形 （即，正樣本和負樣本的幅度不相似），這在野外是可能的。 從soundonsound.com ：

這種不對稱主要是由於兩件事，第一是諧波復信號中基波分量和不同諧波分量之間的相對相位關系。 在組合具有不同相位關系的不同頻率信號時，結果通常是明顯不對稱的波形，而且波形的不對稱性也經常隨時間變化和發展。 這就是疊加復雜的相關信號時發生的情況。

也許還會有人爭辯說，不對稱性中沒有很多有用的信息，因為人類通常無法感知。

如果您認為librosa的行為是意外的或錯誤的，我建議您填寫錯誤報告，並尋求解釋。

Answer 2

我通過librosa論壇收到了一些答案。 這是Brian McFee的一個答案：

在Vincent發表的內容之后，librosa的波動圖未直接顯示樣本，原因有兩個：

• 通過將點保持在比可視化所需的分辨率更高的分辨率，將會消耗內存

• 高頻噪聲會掩蓋它。

取而代之的是，librosa的繪圖儀的工作方式與典型的DAW相似，其中音頻信號出於可視化目的而被下采樣，並且包絡線被可視化而不是信號本身。 這些步驟是通過顯示max（abs（y [i：i + k]））而不是樣本y [i]，y [i + 1]，... y [i + k]完成的。 下采樣窗口的長度由波形圖的參數控制。

由於上軸和下軸的信息是通過吸收來丟棄的，因此我們使用該軸來分離立體聲信號中的左右聲道（左上，右下）。 在單聲道信號中，包絡線沿y軸反射，從而產生您報告的對稱圖形。

不同的DAW在執行這些步驟時會稍有不同，一旦放大到一定范圍，可行的實現將還原為樣圖。 Matplotlib並不容易做到這一點，因此我們在這里選擇了這種折衷方案。 如果您想要樣本精確的繪圖，建議您使用pyplot.plt（）。