問題タブ [spectrogram]

誰かが matlab のこの問題について教えてください。

鳥のさえずりを含む 4 つの .wav ファイルがあります。各 .wav ファイルは、異なる鳥を表します。入力 .wav ファイルが与えられたら、それがどの鳥かを判断する必要があります。解決策を得るには、周波数スペクトルを比較する必要があることはわかっています。しかし、スペクトログラムを使用してそこにたどり着く方法がよくわかりません。

PSスペクトログラムがどのように機能するかを知っており、それを使用してかなりの数の.wavファイルをプロットしました

スペクトログラム、狭帯域および広帯域のデモ用のコードが必要です。

関数「specgram」があることを知っています。

しかし、私の質問は、狭帯域および広帯域スペクトログラムのパラメーター「window」、「nooverlap」、および「nfft」の値はどうあるべきかということです。

singal と fs はから来ます

他の人はどうですか？

0.0 から 1.0 までの値をその色表現に変換する必要があります (各値はピクセルです)。私はスペクトログラムを作成しているので、値が高いほどピクセルが最も明るくなります (下の画像のように)。

これどうやってするの？私はC＃で作業していますが、普遍的に適用可能なソリューションも問題ありません。

例：

MATLABspectrogram()の関数を使用して、いくつかのサウンド クリップを分析しています。スペクトログラムを画像 (jpg、png など) として保存したいと考えています。しかし、図を保存する画像形式に関係なく、結果の画像は常に、図に表示されているものとは異なります (「むら」)。

スペクトログラムの例を次に示します: Matlab Figureと保存された画像

私が望むのは、図に表示されているものを正確に画像として保存することだけです。可能なすべての画像形式でフィギュアを保存しようとしましたが、それらはすべて同じ「スポッティング」効果を生み出しています。print()また、手動保存（ファイルをクリック->名前を付けて保存）と、関数と関数を使用したプログラムの両方を試しましたsaveas()。毎回同じ結果。

どんな助けでも大歓迎です！

matlab に次のコードがあります。

ここで、関数 spectrogram を使用してプロットする必要があります (関数 spectrogram に次の引数を与える必要があります: Sound と Fs で、関数は、信号の周波数構成を含むベクトルと、その周波数を含むベクトルを返すと想定されています組成を計算した）。

私の疑問は次のとおりです。これらの仕様で関数を使用するにはどうすればよいですか? 誰かが私を助けることができますか？

ここで、S の振幅の最大 3 つのピーク (周波数 0 と 1000、1000 と 2000、および > 2000 の間) を見つける必要があります。そのために、次のことを行います。

必要な最大 3 つのアンプがすべて揃っていると仮定すると、対応する周波数を見つける必要があります。どうすればそれを行うことができますか?

編集：SとFは長さが異なります

aurio touch ソノグラムの例を見ていると、青から紫、赤、白の範囲の色で大きさに応じて、さまざまな FFT 周波数帯域が表示されていることがわかります。無音時はグラフが黒くなります。強度の低い音の場合、異なる帯域が青色で表示されます。音の大きさが大きくなると、色は「より熱く」なり、赤白熱になります。これにより、ユーザーは何が起こっているのかを簡単に確認できます。

信号の最大振幅がどうなるかを正確に知らなくても、同様のカラー コーディング アルゴリズムを実装する方法について提案が必要です。

私は似たようなものを作成しようとしましたが、これまでのところ成功は限られていました. これは私が使用しているコードです:

さまざまな大きさの FFT の色を事前に計算する

私が直面している問題は、私が見ている信号の最大の大きさがわからないということです。それは 12000 から 50000 まで大きく変化します。カラー マッピングを調整しようとすると、暗すぎたり明るすぎたりして、あまり説明的ではありません。

これが、さまざまな大きさのバンドを区別しようとしている方法です。ローエンド (4000 未満) が表示され、他のバンドに対して目立つようにしたいです。

AurioTouch のホット/コールドの例により近いカラーマッピング アルゴリズムの実装を提案できる人はいますか?

私のコードが表示するものは次のとおりです。

STFT (短時間フーリエ変換) データがあるとします。これらを周波数対時間のスペクトログラムとして画像ボックスに表示するにはどうすればよいですか? C# のどの関数を使用できますか?

Qt でサウンド データの適切なスペクトログラムをプロットしようとしています。これで、fft ウィンドウ長 1024 とオーバーラップ データ長 976 の見栄えの良いスペクトログラムをプロットできます。しかし、256 などの小さなウィンドウ長を使用してスペクトログラムをプロットするのが通常であり、それにより時間分解能が向上します。しかし、ウィンドウの長さを 256 に減らすと、スペクトログラムに空の行が表示されます。ウィンドウの長さを短くすると FFT の周波数分解能が低下することはわかっていますが、他のプログラムのスペクトログラムに空の行がないのはなぜですか。私は何か間違ったことをしていますか、それともこの結果は正常ですか?

スペクトログラムを取得するために使用する主な手順は次のとおりです。 -サウンド ファイルからデータを取得します。-最初のウィンドウの FFT (ハニング)。-複素 fft 出力をマグニチュード配列に変換します(マグニチュード = sqrt(re^2 + im^2) ) -マグニチュードを対数スケール(dB)に変換します Magnitude_dB = 20*log10(magnitude) -スケーリングによってスペクトログラムの最初の列をプロットしますスペクトル データを列に固定する - 次の操作のためにウィンドウを 48 サンプル移動します。

次のスクリーン ショットで問題を確認できます。 ウィンドウの長さ 1024 ウィンドウの長さ 256

(ちなみに、私の目標は、音声データから音素を認識するプログラムを作成することです。FFTW ライブラリを使用します)

あなたが提供できる助けに本当に感謝します。