我正在將 Python 代碼轉(zhuǎn)換為 MATLAB。Python 代碼，使用以下命令：stft_ch = librosa.core.stft(audio_input[:, ch_cnt], n_fft=self._nfft,
hop_length=self._hop_len, win_length=self._win_len,
window='hann')其中audio_input.shape=(2880000, 4), self._nfft=2048,self._hop_len=960和self._win_len=1920。轉(zhuǎn)換為 MATLAB 時(shí)，我使用了：stft_ch = spectrogram(audio_input(:, ch_cnt), hann(win_len), win_len-hop_len, nfft);在那里我核實(shí)size(audio_input)=2880000, 4，win_len=1920，win_len-hop_len=960和nfft=2048。我從 MATLAB 得到一個(gè)輸出，size(stft_ch)=1025, 2999其中 Python 顯示stft_ch.shape=(1025, 3001)。2999MATLAB 輸出中的大小很清楚，并且在if window 是向量的文檔中表現(xiàn)出色k = ?(Nx – noverlap)/(length(window) – noverlap)?。但是，我在Python 文檔中找不到tset的長(zhǎng)度。為什么尺寸之間存在差異？我的轉(zhuǎn)換好嗎？是否有一個(gè) Python 函數(shù)可以產(chǎn)生更類似于 MATLAB 的spectrogram()輸出，以便我可以獲得相同大小的復(fù)數(shù)輸出？
1 回答
萬(wàn)千封印
TA貢獻(xiàn)1891條經(jīng)驗(yàn) 獲得超3個(gè)贊
很長(zhǎng)一段時(shí)間后，并沒(méi)有得到滿意的賞金，我自己找到了答案。
MATLAB 函數(shù)spectrogram()輸出一個(gè)時(shí)間向量，該向量對(duì)應(yīng)于每個(gè)窗口的中間，同時(shí)省略最后一個(gè)窗口。例如，具有 3 個(gè)樣本窗口和 1 個(gè)樣本重疊的 10 個(gè)樣本長(zhǎng)度的信號(hào)將產(chǎn)生以下 4 個(gè)窗口：
1:3, 3:5, 5:7, 7:9, 其中m:n表示一個(gè)窗口，包括從m到n包括第nth 個(gè)樣本的樣本。
因此，窗戶的中心將是：2,4,6,8。請(qǐng)注意，不包括第 10 個(gè)樣本。
似乎 MATLAB 需要number_of_windows對(duì)(number_of_windows-1)*hop_length+window_size<=number_of_samples.
另一方面，在 python 版本liberosa.core.stft()上，t 是每個(gè)幀的第一個(gè)樣本的時(shí)間，幀覆蓋的比輸入信號(hào)多。例如，具有 3 個(gè)樣本窗口和 2 個(gè)樣本跳（跳和不重疊）的 10 個(gè)樣本長(zhǎng)度的信號(hào)將產(chǎn)生以下 4 個(gè)窗口：
1:3, , 3:5, 5:7, 7:9, 9:11, 其中m:n表示一個(gè)窗口，包括從m到n包括第nth 個(gè)樣本的樣本。
因此，窗口的開(kāi)頭將是：1,3,5,7,9。請(qǐng)注意，包括第 11 個(gè)不存在的樣本。
似乎 liberosa 需要最小number_of_windows化到number_of_windows*hop_length>number_of_samples.
就我而言：
(2999-1)*960+1920=2880000<=2880000 對(duì)于 MATLAB。3001*960=2880960>2880000 而 30000*960=2880000 !> 2880000 在 python 中。
請(qǐng)注意，時(shí)間可以通過(guò)設(shè)置center=True標(biāo)志以 python 為中心。
這是我能找到的最好的解釋。歡迎任何其他解釋作為答案。
添加回答
舉報(bào)
0/150
提交
取消