signal.spectrogram返回太多的hz

Question

我刚开始使用代码来预处理一些音频数据，以便最近向它提供神经网络。在更深入地解释我的实际问题之前，请提到我从this site开始参考了如何进行该项目。还使用了一些来自this post的代码，并在signal.spectogram doc和this post中阅读了更多信息。

就目前而言，利用前面提到的所有来源，我都设法将wav音频文件获取为numpy数组和plot both its amplitude and spectrogram。泰斯语代表我在西班牙语中说“命令”一词的录音。

这里一个奇怪的事实是，我在互联网上搜索时发现人的语音频谱在80到8k Hz之间移动，因此为了确保我将这一输出与一个Audacity spectrogram returned进行了比较。如您所见，这似乎与找到的信息更加一致，因为频率范围应该是人类的频率范围。

这使我想到了最后一个问题：在读取音频或生成频谱图的过程中我做错了什么吗？或者我遇到绘图问题？

顺便说一下，我是python和信号处理的新手，请耐心等待。

这是我实际使用的代码：

def espectrograma(wav):
    sample_rate, samples = wavfile.read(wav)
    frequencies, times, spectrogram = signal.spectrogram(samples, sample_rate, nperseg=320, noverlap=16, scaling='density')
    #dBS = 10 * np.log10(spectrogram)  # convert to dB

    plt.subplot(2,1,1)
    plt.plot(samples[0:3100])

    plt.subplot(2,1,2)
    plt.pcolormesh(times, frequencies, spectrogram)
    plt.imshow(spectrogram,aspect='auto',origin='lower',cmap='rainbow')
    plt.ylim(0,30)
    plt.ylabel('Frecuencia [kHz]')
    plt.xlabel('Fragmento[20ms]')
    plt.colorbar()
    plt.show()

Answer 1

对我来说，频谱图的计算似乎很好。如果以对数刻度绘制频谱图，则应观察到与您参考的试听图更相似的内容。所以取消注释您的行

#dBS = 10 * np.log10(spectrogram) # convert to dB

，然后使用变量dBS进行绘图，而不是使用光谱图

plt.pcolormesh(times, frequencies, spectrogram) plt.imshow(spectrogram,aspect='auto',origin='lower',cmap='rainbow')

Answer 2

频谱图使用傅立叶变换将时间序列数据转换为频域。

可以测量的最大频率是（采样频率）/ 2，因此在这种情况下，您的采样频率似乎是60KHz？

无论如何，关于您的问题。人类语音频谱在此范围内可能是正确的，但傅立叶变换从来都不是完美的。我只需调整您的Y轴以专门查看这些频率即可。

在我看来，至少在正确读取sample_rate和样本的情况下，您才能正确计算频谱图。