使用对数频率轴的Scipy谱图？

Question

使用scipy.signal.spectrogram进行玩耍。对于它的用途来说效果很好。

from scipy.io import wavfile
from scipy import signal
import numpy as np
import matplotlib.pyplot as plt

sf, audio = wavfile.read('serious.wav')
sig = np.mean(audio, axis=1)
f, t, Sxx = signal.spectrogram(sig, sf, scaling='spectrum')

plt.pcolormesh(t, f, np.log10(Sxx))
plt.ylabel('f [Hz]')
plt.xlabel('t [sec]')
plt.show()

这是结果：

但频率轴是线性的。对于音频来说，这通常不是理想的 - 至少不是我想要的。

有没有办法让scipy.signal.spectrogram输出对数频率刻度？

如果scipy无法实现这一点，您能否推荐一个同样简单的方法来获得这个结果？

---

编辑：问题不在于图像的显示方式。问题在于signal.spectrogram()生成数据的方式。

我已经将代码更改为：

plt.pcolormesh(t, f, np.log10(Sxx))
plt.ylabel('f [Hz]')
plt.xlabel('t [sec]')
plt.yscale('log')
plt.savefig('spec.png')
plt.show()

现在图像看起来是这样的：

f向量（由signal.spectrogram()生成）长成这个样子：

array([    0.      ,   172.265625,   344.53125 ,   516.796875,
         689.0625  ,   861.328125,  1033.59375 ,  1205.859375,
        1378.125   ,  1550.390625,  1722.65625 ,  1894.921875,
        2067.1875  ,  2239.453125,  2411.71875 ,  2583.984375,
...
       19982.8125  , 20155.078125, 20327.34375 , 20499.609375,
       20671.875   , 20844.140625, 21016.40625 , 21188.671875,
       21360.9375  , 21533.203125, 21705.46875 , 21877.734375,
       22050.      ])

这是线性分布。我需要更多的点在底部，而在顶部则需要更少的点。

- Florin Andrei

---

这与scipy无关，而是与你如何使用matplotlib进行绘图有关。我认为在pcolormesh之后设置plt.xscale('log')应该可以解决你的问题。 - alkasm

@alkasm，问题不在于图像的显示方式。问题在于signal.spectrogram()所生成的数据的方式。我做了一个编辑以说明这个问题。 - Florin Andrei

明白了，你想要非线性采样。如果在底部有更多的采样点，这真的很重要吗？也就是说，如果你对高端进行足够的采样，那么你不可以随着频率降低而丢弃一些采样点（或者干脆不丢弃，用更密集的采样来绘制）。或者由于某些原因，这样做还不够？ - alkasm

你可能想要通过 plt.ylim(100, 22050) 来调整图形的频率限制。 - SleuthEye

@alkasm，我已经找到了问题并发布了答案。谢谢！ - Florin Andrei

@SleuthEye 这是其中的一部分，没错。但实际问题是 - 我一开始没有足够的频率样本。增加这个数量解决了问题。请看我下面发布的答案。 - Florin Andrei

Answer 1

我已经找到了问题所在。FFT是线性的，而我的图像是对数的。在频率谱的较低部分，默认的频率间隔太大了。

因此，我只需通过 nperseg 参数增加频率样本数量即可。在这个例子中，连续频率之间的距离为1 Hz，这是相当好的分辨率。此外，对数比例尺最好。

npts = int(sf)
f, t, Sxx = signal.spectrogram(sig, sf, nperseg=npts)
plt.yscale('symlog')

当然，在频率范围的顶部有太多的频率，因此必须在f和Sxx数组中进行修剪（尺寸必须匹配，因此以相同方式修剪它们）。此外，显示频率范围必须限制在10-20000或一些合理的值内。所有这些优化都超出了本答案的范围。

但我将脚本带到可以使用的地步，并将其放在GitHub上：

https://github.com/FlorinAndrei/soundspec

这是一个工作中的频谱图示例：

- Florin Andrei