librosa.amplitude_to_db的概念目的是什么？

问题描述

我正在使用librosa库从音频数据中获取和过滤频谱图。

我最了解生成频谱图的数学原理：

1. 获取信号
2. 窗口信号
3. 为每个窗口计算傅立叶变换
4. 创建其列为变换的矩阵
5. 绘制该矩阵的热图

使用librosa真的很容易：

spec = np.abs(librosa.stft(signal,n_fft=len(window),window=window)

是的！我有FFT矩阵。现在我看到了这个功能librosa.amplitude_to_db，我认为这就是我对信号处理的无知开始显现的地方。这是我在Medium上找到的摘录：

spec = np.abs(librosa.stft(y,hop_length=512))
spec = librosa.amplitude_to_db(spec,ref=np.max)

为什么作者使用此amplitude_to_db函数？为什么不直接绘制STFT的输出？

解决方法

sound pressure的可感知范围非常宽，从20μPa（微帕斯卡）到20 Pa，比率为100万。此外，人类对声级的感知不是线性的，而是可以通过对数更好地近似。

通过转换为decibels（dB），刻度变成对数。这样会将数值范围限制为0-120 dB。绘制颜色的强度比使用线性刻度更接近我们所听到的颜色。

请注意，可以自由选择以分贝为单位的参考（0 dB）点。 librosa.amplitude_to_db的默认值是计算numpy.max，这意味着输入的最大值将映射为0 dB。所有其他值将为负。该功能还会在声音范围上应用阈值，默认为80 dB。因此，任何低于-80 dB的信号都会被削减-80 dB。