Question

我正在从文件中读取pcm数据，然后将其绘制出来。我注意到，情节在librosa.display.waveplot，情节和大胆之间变化。

这是代码和图片

%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)

此结果看起来像

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

此结果看起来像

matplotlib的结果看起来有点胆怯

Answer 1

matplotlib 和 Audacity 显示了实际的信号样本，显然在记录的后半段全部为负。

另一方面，

librosa 显示了绝对信号的包络，如其documentation中所述：

绘制波形的幅度包络线。

如果y是单音，则会在[-abs(y), abs(y)]之间绘制一条填充曲线。

在这种情况下，

y是信号。

这有效地导致了沿x轴的镜像效果，这就是 librosa 图对称的原因。 matplotlib 和 Audacity 显然没有这样做。

有人可能会说， librosa的行为有效地隐藏了不对称波形（即，正样本和负样本的幅度不相似），这在野外是可能的。来自soundonsound.com：

这种不对称主要是由于两件事，第一是谐波复信号中基波分量和不同谐波分量之间的相对相位关系。在组合具有不同相位关系的不同频率信号时，结果通常是明显不对称的波形，而且波形的不对称性也经常随时间变化和发展。这就是叠加复杂的相关信号时发生的情况。

也许还会有人争辩说，不对称性中没有很多有用的信息，因为人类通常无法感知它。

如果您认为 librosa的行为是意外的或错误的，我建议您填写错误报告，并寻求解释。

Answer 2

我通过librosa论坛收到了一些答案。这是Brian McFee的一个答案：

在文森特（Vincent）发表的内容之后，librosa的波动图没有直接显示样本，原因有两个：

通过将点保持在较高位置会炸毁内存使用量分辨率超过可视化所需的分辨率
它会被高频噪声掩盖。

相反，librosa的绘图仪的工作方式更像典型的DAW，其中音频信号出于可视化目的而被下采样，并且包络而不是信号本身被可视化。这些步骤是通过显示max（abs（y [i：i + k]））而不是样本y [i]，y [i + 1]，... y [i + k]完成的。下采样窗口的长度由波形图的参数控制。

由于上轴和下轴的信息是通过吸收而被丢弃的，因此我们使用该轴来分离立体声信号中的左右声道（左上，右下）。在单声道信号中，包络线沿y轴反射，从而产生您报告的对称图形。

不同的DAW在执行这些步骤时会稍有不同，一旦放大到一定范围，可行的实现将还原为样本绘图。 Matplotlib并不容易做到这一点，因此我们在这里选择了这种折衷方案。如果您想要样本精确的绘图，我们建议改用pyplot.plt（）。

为什么librosa图与matplotlib和audacity不同

2 个答案: