ノック77 :周波数スペクトルを表示してみよう
一般的に高い音は周波数が大きく周期が短く、低い音は周波数が小さく周期が長くなります。
波形は様々な周波数のあつまりで、複数の周波数を分解する方法として
フール絵変換があります。
audo1をフーリエ変換します。
fftの値には複素数も含まれています。振幅スペクトルを表示するためには、np.abs(fft)で複素数の値を絶対値に変換します。
横軸は周波数となります。np.fft.fftfreqで取得します。
import librosa
import numpy as np
audio1,sr1 = librosa.load('data/音声.mp3' ,sr=None,offset=0,duration=1)
audio2,sr2 = librosa.load('data/携帯電話着信音.mp3',sr=None,offset=0,duration=1)
print(amp.shape)
print(freq.shape)
print(amp.max())
print(amp.min())
print(freq.max())
print(freq.min())
実行結果
(44100,)
(44100,)
479.5421053865585
2.649061305061189e-05
22049.0
-22050.0
matplotlibを使用して表示します。
//2で2で割ることを表しています。（少数は切り捨て）
振幅の半分は符号が異なるだけで同じデータなので2で割っています。
import matplotlib.pyplot as plt
plt.figure(figsize=(10,5))
plt.plot(freq[:n//2],amp[:n//2])
plt.xlabel("Frequency[Hz")
plt.ylabel("Amplitude")
plt.show()
実行結果
1000Hz以下のデータが大半であることがわかります。
2で割らなかったらどうなるかというと、
ノック78 :スペクトログラムを可視化してみよう
スペクトログラムデータの作成を行います。
2048標本点をフレーム長とし，フレーム長の4分の1に相当する512標本点をフレーム周期とし，フレーム処理を行います。
stft = librosa.stft(audio1)
amps = np.abs(stfs)
spectrogram = librosa.amplitude_to_db(amps)
print(stft.shape)
print(amps.shape)
print(spectrogram.shape)
実行結果
(1025, 87)
(1025, 87)
(1025, 87)
どの値も以下のように算出した値となります。
2048÷2＝1024＋1＝1025
44100Hz÷512（サンプリング幅）＝86＋1＝87
スペクトログラムを可視化してみます。
import librosa.display
plt.figure(figsize=(10,5))
librosa.display.specshow(spectrogram,sr=sr1,x_axis='time',y_axis='hz',cmap='magma')
bar=plt.colorbar()
bar.ax.set_ylabel('db')
plt.show()
実行結果
縦軸がHzです。1000Hz以下がとくに音のデータが多いことがわかります。
色はdb（デシベル）表記です。dbは音の大きさを表す単位です。
