聲譜圖

Question

我已經做了一個應用程序，實時繪製FFT屏幕（從麥克風）。 x軸上的時間，y軸上的頻率和像素的顏色代表幅度（幾乎是一個香草FFT頻譜圖）。

我的問題是，即使我可以看到音樂模式也有很多噪音。使用Google搜索我看到人們對幅度應用對數計算。我應該這樣做嗎？如果是這樣，公式會是什麼樣子？ （我使用C＃，但我可以因此任何樣品是確定數學轉換成代碼。）

我可以通過施加表示作爲較暗的顏色值越低顏色方案繞過這個問題。我只是不確定是否沒有對數計算就能正確表示音頻。

Answer 1

以對數刻度表示的振幅接近人類聽覺系統的靈敏度，因此與非對數刻度相比，您可以更好地表示聽到的內容。在數學上，所有你需要做的是：

Alog = 20*log10 (abs (A)) 

哪裏A是FFT數據的幅度，Alog是輸出。 20的因子只是一個約定，對圖像沒有影響，您可能會根據顏色方案進行縮放。

EDIT

關於20因子說明：分貝（分貝）單元是一個對數單元，測量比率：它代表一個尺度上100和10之間的距離，是相同的間1000和100（因爲它們具有相同的比率：1000/100 = 100/10）。如果以dB爲單位衡量它，你得到：

10*log10 (1000/100) = 10*log10 (100/10) = 10 

的10的因素是因爲deci意味着tenth，這意味着1倍兒爲10個分貝，（如1公斤是千克）

由於人類聽覺系統也是（近似）測量比率，在對數標度上測量聲級是有意義的，即測量聲級與某個參考值的比值。由於聲音的級別與聲波的功率（單位爲瓦特）有關，所以實際上您可以測量功率比率P/Pref。另外，功率與幅度的平方成正比，所以總得到：

10*log10 (P/Pref) = 10*log10 (A^2/Aref^2) = 20*log10 (A/Aref) 

由日誌規則。這是20因素的起源 - 請記住，在計算機中，音頻由聲波的瞬時振幅表示。

Answer 2

以對數形式查看譜圖確實是查看音頻信號的更好方法。請記住，你需要在時間方向和頻率方向都有好的resolution。如果你的箱子太少，可能看起來很奇怪。

另一個重要的問題是，在對數刻度上查看您的STFT是而不是降噪技術。你所看到的「噪音」可能是實際的noise或者它可能是諸如harmonics,transients,spectral leakage和其他預期會存在的東西。根據您的應用，如果您需要對信號進行短時分析，則wavelet轉換可能更適合您的需求。它消除了STFT的某些缺點，例如恆定的窗口大小。