波形图、频谱图和语谱图

波形图

反映各质点在同一时刻不同位移的曲线,叫做波的图像,也叫做波形图。波形图用于显示测量值为均匀采集的一条或多条曲线。波形图仅绘制单值函数,即在y=f(x)中,各点沿x轴均匀分布。例如一个随时间变化的波形。波形图可显示包含任意个数据点的曲线。波形图接收多种数据类型,从而最大程度地降低了数据在显示为图形前进行类型转换的工作量。

频谱图

信号频率与能量的关系用频谱表示。以横轴纵轴的波纹方式,记录画出信号在各种频率的图形资料。常见的有振幅频谱图和相位频谱图。频谱图有三种,即线性振幅谱、对数振幅谱、自功率谱。线性振幅谱的纵坐标有明确的物理量纲,是最常用的。对数振幅谱中各谱线的振幅都对原振幅A作了对数计算(20logA),所以其纵坐标的单位是dB(分贝)。这个变换的目的是使那些振幅较低的成分相对高振幅成分得以拉高,以便观察掩盖在低幅噪声中的周期信号。自功率谱是先对测量信号作自相关卷积,目的是去掉随机干扰噪声,保留并突出周期性信号,损失了相位特征,然后再作傅里叶变换。自功率谱图使得周期性信号更加突出。

语谱图

语谱图是频谱分析视图,如果针对语音数据的话,叫语谱图。语谱图的横坐标是时间,纵坐标是频率,坐标点值为语音数据能量。由于是采用二维平面表达三维信息,所以能量值的大小是通过颜色来表示的,颜色深,表示该点的语音能量越强。
我们可以观察语音不同频段的信号强度随时间的变化情况。由于音乐信号本身频率丰富,不太容易看出规律,我们可以观察一下纯粹的语音数据的语谱图(附图)。从图中可以看到明显的一条条横方向的条纹,我们称为“声纹”,有很多应用。条纹的地方实际是颜色深的点聚集的地方,随时间延续,就延长成条纹,也就是表示语音中频率值为该点横坐标值的能量较强,在整个语音中所占比重大,那么相应影响人感知的效果要强烈得多。而一般语音中数据是周期性的,所以,能量强点的频率分布是频率周期的,即存在300Hz强点,则一般在n*300Hz点也会出现强点,所以我们看到的语谱图都是条纹状的。

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
很抱歉,我作为AI语言模型无法直接进行像绘制操作。但是,我可以提供一些基本思路,供您参考。 1. 绘制语音波形 可以使用Python的wave模块读取音频数据,然后使用Matplotlib或者其他绘库绘制波形图。具体步骤如下: - 使用wave模块读取音频文件,获取采样率、采样位数等信息。 - 读取音频数据,根据采样率和采样位数计算出每个采样点的时间戳。 - 绘制波形图,可以使用Matplotlib库的plot函数,将时间戳作为x轴,音频数据作为y轴,绘制出波形图。 2. 绘制语谱 可以使用Python的Librosa库提取语音特征,然后使用Matplotlib或者其他绘库绘制语谱。具体步骤如下: - 使用Librosa库的load函数读取音频文件,获取采样率和音频数据。 - 使用Librosa库的stft函数进行短时傅里叶变换,得到每一帧的频谱数据。 - 使用Librosa库的power_to_db函数将频谱数据转换成分贝数,得到语谱。 - 使用Matplotlib库的imshow函数绘制语谱。 3. 分析语谱特征 可以通过调整窗长度和帧覆盖率来观察语谱的变化情况。当窗长度较短、帧覆盖率较高时,语谱的时间分辨率较高,可以更好地反映语音的短时特征,如语音的语调、音高等;当窗长度较长、帧覆盖率较低时,语谱的频率分辨率较高,可以更好地反映语音的长时特征,如语音的音色、共振等。 另外,宽带语谱和窄带语谱之间的差异主要在于滤波器的带宽不同。窄带语谱使用的是窄带滤波器,可以更好地反映人的听觉特性;宽带语谱使用的是宽带滤波器,可以更好地反映语音信号的总体情况。
评论
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