### 使用Python绘制音频信号的时域图和频谱图 以下是实现这一功能的具体方法： #### 导入必要的库 为了完成此任务，需要导入 `librosa` 和 `matplotlib` 库来处理音频数据并可视化其特性。 ```python import librosa import librosa.display import matplotlib.pyplot as plt import numpy as np ``` #### 加载音频文件 通过 `librosa.load()` 函数加载音频文件。如果希望保留原始采样率，则设置参数 `sr=None`[^1]。 ```python file_path = "example_audio_file.wav" # 替换为实际音频文件路径 y, sr = librosa.load(file_path, sr=None) ``` #### 绘制时域图（波形图） 利用 `librosa.display.waveshow()` 方法可以方便地绘制音频信号的时域表示形式。 ```python plt.figure(figsize=(14, 6)) plt.subplot(2, 1, 1) librosa.display.waveshow(y, sr=sr) plt.title('时域图 (Waveform)') plt.xlabel('时间 (秒)') plt.ylabel('振幅') ``` #### 计算频谱图所需的数据 使用短时傅里叶变换（STFT）计算音频信号的频谱特征，并将其转换为分贝尺度以便于观察。 ```python D = librosa.stft(y) # STFT of y S_db = librosa.amplitude_to_db(np.abs(D), ref=np.max) # 转换为dB单位 ``` #### 绘制频谱图 借助 `librosa.display.specshow()` 可以直观展示音频信号的频谱分布情况。 ```python plt.subplot(2, 1, 2) librosa.display.specshow(S_db, sr=sr, x_axis='time', y_axis='log') plt.colorbar(format='%+2.0f dB') plt.title('频谱图 (Spectrogram)') plt.xlabel('时间 (秒)') plt.ylabel('频率 (Hz)') ``` #### 展示最终图像 最后调用 `plt.tight_layout()` 来优化子图布局，并通过 `plt.show()` 呈现结果。 ```python plt.tight_layout() plt.show() ``` 以上代码片段综合展示了如何运用 Python 的 `librosa` 和 `matplotlib` 库分别绘制音频信号的时域图与时频分析中的频谱图[^1]。 ### 完整代码示例 ```python import librosa import librosa.display import matplotlib.pyplot as plt import numpy as np # 音频文件路径 file_path = "example_audio_file.wav" # 加载音频文件 y, sr = librosa.load(file_path, sr=None) # 创建绘图窗口 plt.figure(figsize=(14, 8)) # 绘制时域图 plt.subplot(2, 1, 1) librosa.display.waveshow(y, sr=sr) plt.title('时域图 (Waveform)') plt.xlabel('时间 (秒)') plt.ylabel('振幅') # 计算频谱图数据 D = librosa.stft(y) S_db = librosa.amplitude_to_db(np.abs(D), ref=np.max) # 绘制频谱图 plt.subplot(2, 1, 2) librosa.display.specshow(S_db, sr=sr, x_axis='time', y_axis='log') plt.colorbar(format='%+2.0f dB') plt.title('频谱图 (Spectrogram)') plt.xlabel('时间 (秒)') plt.ylabel('频率 (Hz)') # 调整布局并显示图表 plt.tight_layout() plt.show() ```