cannt connect to db!_分贝db以及在语音的用途

本文主要通过简明扼要的方式介绍db，db关键性质，如何计算，以及信噪比和如何控制信噪比等，本文是学习笔记，有自己的理解和代码，也有参考一些大牛的文章，链接也放在了下方，如有侵权立即删除。推荐阅读什么是分贝dB？，讲的很好。本文介绍过程如下所示。

分贝的定义声压级分贝和数字域分贝
分贝的关键性质 -3db
分贝的计算
信噪比公式和用途
References

1，分贝的定义

1.1 分贝介绍

db常见于声学场景，常被误认为计量单位。其实，dB只是一个比值，是一个纯计数方法，没有任何单位标注。也可以理解为用来表示强度。在声学、振动、电子学、电信、音频等领域见到它。

分贝（decibel）是量度两个相同单位之数量比例的单位，常用dB表示。“分”（deci-）指十分之一，个位是“贝”或“贝尔”（bel，纪念发明家亚历山大·格拉汉姆·贝尔），但一般只用分贝。

1.2 分贝的定义方式

分贝的定义有两种方式：

下标为0的数值均为幅值和功率的参考值。功率量的例子如：声功率(W)，声强(W/m^2)，电功率，电强等。幅值量的例子如：声压(Pa)，电压(V)，加速度(m/s^2)，温度等。但有一点要注意对于场量的幅值应该是RMS值，如声压场。
因为分贝值完全依赖于测量值与参考值之比，因此，计算时选择合适的参考值尤为关键。当测量结果相互比较时，这一点非常重要，选择的参考值不同，计算结果肯定不一样。注：没有特殊要求时，参考值通常为1

援引自什么是分贝dB？

1.3 声压级分贝

数字信号处理中，也常会计算db，这个可以理解为数字域db，由于normlization，db常为负值。

而在声学领域，dB经常用作为表征声压级SPL（Sound Pressure Level）的大小。声压的单位是帕斯卡，Pa。具体可参考什么是分贝dB？——声音大小

2，分贝的关键性质

2.1 -3db性质

根据电压幅度计算：

20*log10(0.707)=－3dB

20*log10(1.413)= 3dB

根据功率计算：10*log10（0.5）=-3dB

在这儿主要提-3db性质，因为在设计滤波器，如高通、低通、带通和带阻滤波器的截止频率是-3dB点，即按幅值衰减0.707或者功率衰减一半所对应的频率作为滤波截止频率的。

dB值与线性幅值比的关系如下表所示：

图片来自什么是分贝dB？如有侵权立即删除。

关于这块的原理介绍和更多性质，请参考什么是分贝dB？

3，分贝的计算

在语音领域主要是幅值的方式。

, x is rms.

4，信噪比公式和用途

常用信噪比来表示当前环境的嘈杂程度。

其中X为信号幅度（Amplitude of Signal）RMS，N为噪声幅度（Amplitude of Signal）RMS。

关于语音的机器学习中，如降噪/唤醒，常通过控制信噪比的方式来进行数据增强。代码如下：

from pydub import AudioSegmentdef add_noise_snr(c, n, snr, output_noisy_file):''':param c: one clean speeh file:param n: one noise file:param snr: target snr:param output_noisy_file: output file path.:return: none'''c_data, _, c_data_len = read_wav(c)n_data, _, n_data_len = read_wav(n)if n_data_len <= c_data_len:start_pos = np.random.randint(0, c_data_len - n_data_len)# start_sample = np.random.randint(0, c_data_len - n_data_len)# c_data = c_data[start_sample:start_sample + n_data_len]else:start_pos = 0start_sample = np.random.randint(0, n_data_len - c_data_len)n_data = n_data[start_sample:start_sample + c_data_len]# mix audio with target snr.snr = np.power(10, np.true_divide(snr, 20))  # inverse of dB.P_c, P_n = c_data.rms, n_data.rmsalpha = np.true_divide(P_c, np.maximum(np.multiply(P_n, snr), 1e-12))  # scaling factor.alpha_db = 20 * np.log10(alpha)print(alpha, alpha_db)n_data = n_data + alpha_dbnoisy_data = c_data.overlay(n_data, position=start_pos, times=1)noisy_data.export(output_noisy_file, format="wav")

5, References

什么是分贝dB？

baidu-db

wiki-分贝

觉得有帮助，别忘记点赞哦。