matlab繪制語譜圖

1.讀取音頻文件

[cleanAudio,fs] = audioread('SA1W.WAV');
%cleanAudio 為音頻文件按照采樣頻率fs存儲在計算機的數字信號（一維數據），其值代表幅度值。

2.設置窗口函數、幀長、幀移

windowLength = 256;%幀長
win = hamming(windowLength,'periodic');%窗口函數（漢明窗）
overlap = 128; %幀移（一般為幀長的一半）
ffTLength = windowLength; %做DFT的點數，一般和幀長一樣

3.計算時間

t = (1/fs) * (0:numel(cleanAudio)-1);%波形圖的時間（單位為秒）

4.繪圖

subplot(2,1,1)
plot(t,cleanAudio);%利用讀取的音頻信號繪制波形圖
title('波形圖')
grid on;
subplot(2,1,2)
spectrogram(cleanAudio,win,overlap,ffTLength,fs,'yaxis');%繪制語譜圖 'yaxis'代表頻率軸在Y軸
title('語譜圖')

　　

5.解釋

1. spectrogram的返回值

[S,F,T,P]=spectrogram(cleanAudio,win,overlap,nfft,fs,'yaxis');

• S：是音頻經過加窗、分幀、傅里葉變化得到的一個矩陣。時間分辨率是矩陣的列，頻率分辨率為矩陣的行。這里cleanAudio如果是實值並且nfft是偶數，則S有 (nfft/2 + 1) 行，cleanAudio如果是實值並且nfft是奇數，則S有 (nfft + 1)/2 行。這里的信號是實值，nfft為256，所以S的行是129。

• F： S的行，也就是頻率分辨率，這里的值為129.

• T： S的列，也就是時間分辨率，其中的每個值為各段的中點。如果頻率分辨率固定，音頻的數字信號的長度越長，該向量也越大。

• P：能量譜密度。也是一個矩陣。和S的大小是一樣的。是S中的每個值的平方。

2.波形圖和語譜圖的時間軸看起來為什么是一樣的？

　　其實兩個圖的時間軸是不太一樣的，時間分辨率是不一樣的。在波形圖中，時間的軸的長度是和音頻的數字信號向量的長度是一樣的，t = (1/fs) * (0:numel(cleanAudio)-1)， t的值會隨采樣頻率fs的變化而變化。相較於波形圖，語譜圖中時間分辨率是有所降低的。例如，有一個信號的長度為101000，窗口長度為200，返回的頻率F分辨率為101，則時間T的分辨率為1000。所以，看起來是差不多的，但是其實時間的分辨率降低了很多，而且窗口長度越大，時間分辨率會越低。

3.語譜圖的頻率軸和采樣率什么關系？

　　根據奈奎斯特定理，采樣的頻率大於信號頻率的2倍，采樣之后的數字信號可以完整的保存期原始信號信息。所以這里的頻率軸的最高值是根據輸入的采樣頻率來決定的，本例中采樣頻率為16000Hz，所以頻率軸的最高值為8000Hz。