手机录一段声音，用python分析——求短时能量谱

仅作为操作记录，大佬请跳过

关于手机录一段声音，用python分析——加载和显示
可参考博主文章 传送门

关于手机录一段声音，用python分析——分帧显示
可参考博主文章传送门

---

关键点

求各帧对应的time

思路

所谓短时能量，即将对时域信号，分成若干小段（小段信号的长度<<信号总长度）——将各小段的各点平方后，小段内加和，得出一个值，这一个值，代表这一小段的所有的点（作为能量）；其他小段能量也是这样。

本例，信号总长256000个点，分成了1997段信号——最终得出1997个点——1997个点plot成图——横轴time（0~5.333秒）想办法对应这1997个点。即得出短时能量。

程序小注

在获取每帧信号组成的几行的矩阵后（含重叠），加入了如下代码即可求出原信号的短时能量

（即矩阵一行代表一段信号，一行代表一段信号；有几行代表分成了几段；博主有1997行，也就是把原信号分成了1997段）

关于矩阵的各行统一求和：

np.sum(矩阵,axis=1)  # axis=1表示每行每行求和

直接上代码

import wave
import numpy as np
from matplotlib.pyplot import *

f=wave.open(r'E:\document\clear.wav','rb')
params=f.getparams()

nchannels, sampwidth, framerate, nframes = params[:4]

str_data=f.readframes(nframes)


wave_data=np.fromstring(str_data,dtype=np.short) # 归一化
wave_data=wave_data/max(abs(wave_data))

wave_data.shape=-1,2
wave_data=wave_data.T
wave_data=wave_data[0]

wlen=512
inc=128
signal_length=len(wave_data) #信号总长度
if signal_length<=wlen: #若信号长度小于一个帧的长度，则帧数定义为1
        nf=1
else:                 #否则，计算帧的总长度
        nf=int(np.ceil((1.0*signal_length-wlen+inc)/inc))

pad_length=int((nf-1)*inc+wlen) #所有帧加起来总的铺平后的长度
zeros=np.zeros((pad_length-signal_length,)) #不够的长度使用0填补，类似于FFT中的扩充数组操作
pad_signal=np.concatenate((wave_data,zeros)) #填补后的信号记为pad_signal

indices=np.tile(np.arange(0,wlen),(nf,1))+np.tile(np.arange(0,nf*inc,inc),(wlen,1)).T

indices=np.array(indices,dtype=np.int32) #将indices转化为矩阵
frames=pad_signal[indices] #得到帧信号

u2=np.square(frames)
en=np.sum(u2,axis=1)

# a=frames[168]
#
#
# time=np.arange(0,a.size)*(1/framerate)
#
#
# window=np.hanning(wlen)
# b=a*window
#
#
#
# c=np.square(b)
# plot(time,c,c="g");show()

# time0=np.arange(0,nframes)*(1/framerate)
# time=np.arange(0,len(en))*(1/(48000*1997/256000))
time=np.arange(0,len(en))*(1/(framerate*len(en)/nframes))
plot(time,en);show()
print('ok')

显示短时能量

语音中录的5个字是 “我 到 北 京 去”