- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
使用时librosa.stft()
要计算频谱图,如何取回相关的频率值?我对生成图像不感兴趣,如 librosa.display.specshow
,而是我想要掌握这些值。
y, sr = librosa.load('../recordings/high_pitch.m4a')
stft = librosa.stft(y, n_fft=256, window=sig.windows.hamming)
spec = np.abs(stft)
spec
给我每个频率的“幅度”或“功率”,但不是频率箱本身。我看到有一个
display.specshow
将在热图的垂直轴上显示这些频率值的函数,但不返回值本身。
nn.fft.fttfreq()
的东西对于单个 FFT,但在
librosa
中找不到它的等效项文档。
最佳答案
我想特别指出这个问题和答案: How do I obtain the frequencies of each value in an FFT? 。除了引用 documentation for the STFT from librosa ,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放置有 n_fft=256
组件的窗口。
我们还知道有一个跳跃长度,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
,因此音频中每 256/4 = 64 个点,我们计算一个新的 FFT,该 FFT 以 n_fft=256
点长的这个时间点为中心。如果您想知道每个窗口所在的确切时间点,那就是 i / Fs
,其中 i
是音频信号的索引,它是 64 的倍数。
现在,对于每个 FFT 窗口,对于实际信号,频谱是对称的,因此我们只考虑 FFT 的正侧。这是由文档验证的,其中行数和频率分量的数量是 1 + n_fft / 2
,其中 1 是 DC 分量。既然我们现在有了这个,引用上面的帖子,bin号与对应频率的关系是i * Fs / n_fft
,i
是bin号,Fs
是采样频率,n_fft=256
是FFT窗口中的点数。由于我们只查看半频谱,而不是从 0 到 i
的 n_fft
,它从 0 到 1 + n_fft / 2
跨越,因为超出 1 + n_fft / 2
的 bin 只是半频谱的反射版本,因此我们不考虑频率Fs / 2
Hz 之外的组件。
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
我们可以看到我们生成了一个
1 + n_fft / 2 = 129
元素数组,它告诉我们每个对应的 bin 编号的频率。
librosa.display.specshow
的默认采样率为 22050 Hz,因此如果您未将采样率 (
sr
) 设置为与音频信号相同的采样频率,则纵轴和横轴将不正确。确保指定
sr
输入标志以匹配传入音频的采样频率。
关于python - 在 Librosa 中获取与 STFT 相关的频率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63350459/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!