python语音信号绘制频谱图

import numpy as np
import matplotlib.pyplot as plt
import os
import wave
 
f = wave.open('filename.wav','rb')
params = f.getparams()
nchannels, sampwidth, framerate,nframes = params[:4]

strData = f.readframes(nframes)
waveData = np.fromstring(strData,dtype=np.short)
waveData = waveData * 1.0/max(abs(waveData))
waveData = np.reshape(waveData,[nframes,nchannels]).T 
f.close()
framelength = 0.025 
framesize = framelength*framerate 
 
nfftdict = {}
lists = [32,64,128,256,512,1024]
for i in lists:
    nfftdict[i] = abs(framesize - i)
sortlist = sorted(nfftdict.items(), key=lambda x: x[1])
framesize = int(sortlist[0][0])
 
NFFT = framesize 
overlapSize = 1.0/3 * framesize 
overlapSize = int(round(overlapSize))
spectrum,freqs,ts,fig = plt.specgram(waveData[0],NFFT = NFFT,Fs =framerate,window=np.hanning(M = framesize),noverlap=overlapSize,mode='default',scale_by_freq=True,sides='default',scale='dB',xextent=None)#绘制频谱图
          
plt.ylabel('Frequency')
plt.xlabel('Time')
plt.title("name")
plt.show()

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
语音信号的特征提取一般可以分为时域和频域两种方法。下面我将分别介绍一下基于Python的时域和频域特征提取的方法。 1. 时域特征提取 时域特征主要是通过对语音信号的波形进行分析来提取特征。这类特征包括幅度、时域波形、过零率、短时能量等。 幅度: ```python import scipy.io.wavfile as wav import numpy as np import matplotlib.pyplot as plt # 读取音频文件 rate, data = wav.read('audio.wav') # 绘制波形 plt.plot(data) plt.show() ``` 过零率: ```python # 计算过零率 def zero_crossing_rate(frame): zero_crossings = np.where(np.diff(np.sign(frame)))[0] zero_crossing_rate = len(zero_crossings) / len(frame) return zero_crossing_rate ``` 短时能量: ```python # 计算短时能量 def short_time_energy(frame): energy = np.sum(np.power(frame, 2)) return energy ``` 2. 频域特征提取 频域特征主要是通过对语音信号频谱进行分析来提取特征。这类特征包括功率谱密度、梅尔频率倒谱系数(MFCC)等。 功率谱密度: ```python import scipy.signal as signal # 计算功率谱密度 def power_spectrum(signal, fs): f, Pxx = signal.welch(signal, fs=fs, nperseg=256) return f, Pxx ``` MFCC: ```python import librosa # 计算MFCC def mfcc(signal, fs): mfccs = librosa.feature.mfcc(signal, sr=fs, n_mfcc=13) return mfccs ``` 以上是基于Python的时域和频域特征提取的一些常用方法,可以根据具体的需求进行选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值