pythoncqt_Librosa常数Q变换(CQT)在谱图的开始和结束处都存在缺陷

考虑以下代码

import numpy as np

import matplotlib.pyplot as plt

from librosa import cqt

s = np.linspace(0,1,44100)

x = np.sin(2*np.pi*1000*s)

fmin=500

cq_lib = cqt(x,sr=44100, fmin=fmin, n_bins=40)

plt.imshow(abs(cq_lib),aspect='auto', origin='lower')

plt.xlabel('Time Steps')

plt.ylabel('Freq bins')

当你仔细观察光谱图的开头和结尾时,你会发现其中有一些缺陷。

当只绘制第一个和最后一个时间步长时,可以看到频率不正确。

plt.plot(abs(cq_lib)[:,0])

plt.ylabel('Amplitude')

plt.xlabel('Freq bins')

plt.tick_params(labelsize=16)

最后一帧和第二帧比较

plt.plot(abs(cq_lib)[:,-1])

plt.plot(abs(cq_lib)[:,-2])

plt.legend(['last step', '2nd last step'], fontsize=16)

plt.ylabel('Amplitude')

plt.xlabel('Freq bins')

plt.tick_params(labelsize=16)

据我所知,这应该是由于填充和放置

stft

cqt

不支持这个论点

center=False

cq_lib = cqt(x,sr=44100, fmin=fmin, n_bins=40,center=False)

TypeError:cqt()获得意外的关键字参数“center”

我做错什么了吗?如何制作

在里面

cqt

pythoncqt_Librosa常数Q变换(CQT)在谱图的开始和结束处都存在缺陷相关推荐

基于音乐识别的频谱转换算法——常数Q变换CQT（转载修改）
傅立叶变换的缺点由于在音乐中,所有的音都是由若干八度的12平均律共同组成的,这十二平均律对应着钢琴中一个八度上的十二个半音.这些半音临近之间频率比为21/12.显然,同一音级的两个八度音,高八度音是 ...
python实现时频谱，语谱图，mel语谱倒谱等
python实现时频谱,语谱图,mel语谱倒谱等可以和理论相结合学习:https://blog.csdn.net/qq_36002089/article/details/108378796 语音信号 ...
关于谱图理论-图傅里叶变换-谱卷积等谱图领域知识的理解
目录前言重点需要理解的地方谱图理论(Spectral Graph Theory) Laplacian矩阵 Laplacian矩阵简介为什么谱图卷积使用到了拉普拉斯矩阵?(待更新) Laplac ...
语音信号处理频域语谱图matlab实验,语音信号的频域分析
实验二:语音信号的频域分析实验目的:以MATLAB 为工具,研究语音信号的频域特性,以及这些特性在<语音信号处理>中的应用情况. 实验要求:利用所给语音数据,分析语音的频谱.语谱图.基音 ...
python求语音信号短时能量、短时过零率、语谱图
python语音信号处理(二) 一.短时能量短时能量主要用于区分浊音段和清音段,因为浊音时E(i)值比清音时大得多:区分声母与韵母的分界和无话段与有话段分界. 计算第i帧语音信号yi(n)的短时能量 ...
谱图理论（Spectral and Algebraic Graph Theory）| Chapter1: Introduction
一.图图G=(V,E)是由其顶点集V和边集E定义的.在无向图中,边集是一组无序的顶点对. 图(也称为"网络")通常用于建模事物之间的连接或关系,其中"事物"是 ...
211130-Python谱图(Spectogram)分析Demo
STFT 算法对信号分段进行FFT处理, 每次处理的结果都是谱图中的一列: 每段信号的长度越短,时间轴上的精度越高,频率轴上的精度越低时间轴和频率轴的分辨率是一对不可调和的矛盾根据傅立叶变换的不 ...
waveform波形图（时域图）、spectrum（频谱图）、spectrogram（语谱图）、MFCC
人的气流(excitation)通过声道到嘴唇产生声音.唇齿舌的形状决定了发出怎样的声音,这个形状通过频谱图中的包络中显示出来.而MFCCs就是一种准确描述这个包络的一种特征. 一.waveform波 ...
python绘制语谱图(手动实现)
1 原理分析在获取语谱图数据之前,我们需要先了解短时傅里叶变换.语音信号是典型的非平稳信号,但是由于其非平稳性由发声器官的物理运动过程而产生,这种过程是相对变换缓慢的,在10~30ms以内可以认为是 ...

pythoncqt_Librosa常数Q变换(CQT)在谱图的开始和结束处都存在缺陷

pythoncqt_Librosa常数Q变换(CQT)在谱图的开始和结束处都存在缺陷相关推荐

最新文章

热门文章