### 如何用Python或MATLAB绘制语音信号的频谱图 #### Python 实现语音信号频谱图绘制 在 Python 中可以利用 `numpy` 和 `matplotlib` 库来完成语音信号的频谱分析和绘图。以下是具体方法： 通过加载语音文件并对其进行快速傅里叶变换 (FFT)，可以获得其频域表示形式。下面是一个完整的代码示例，展示如何读取 `.wav` 文件并绘制其频谱图。 ```python import numpy as np import matplotlib.pyplot as plt from scipy.io import wavfile # 加载音频文件 sample_rate, audio_data = wavfile.read('audio_file.wav') # 如果是立体声，则仅使用其中一个声道 if len(audio_data.shape) > 1: audio_data = audio_data[:, 0] # 归一化数据到 [-1, 1] 范围 normalized_audio = audio_data / max(abs(audio_data)) # 计算 FFT 并获取幅值 fft_result = np.fft.fft(normalized_audio) magnitude_spectrum = abs(fft_result) # 获取频率轴 frequency_axis = np.linspace(0, sample_rate, len(magnitude_spectrum))[:len(magnitude_spectrum)//2] magnitude_spectrum = magnitude_spectrum[:len(magnitude_spectrum)//2] # 绘制频谱图 plt.figure(figsize=(10, 6)) plt.plot(frequency_axis, magnitude_spectrum) plt.title("Spectrum of Audio Signal", fontsize=16) plt.xlabel("Frequency (Hz)", fontsize=14) plt.ylabel("Magnitude", fontsize=14) plt.grid(True) plt.show() ``` 上述代码实现了以下功能： - 使用 `scipy.io.wavfile` 模块读取 `.wav` 文件。 - 对双通道音频进行了单声道转换[^1]。 - 利用 NumPy 的 FFT 函数计算频谱，并提取正半部分作为实际物理意义的部分。 - 将结果可视化为频谱图。 #### MATLAB 实现语音信号频谱图绘制 对于 MATLAB 用户来说，也可以轻松实现类似的频谱分析过程。下面是相应的 MATLAB 示例代码： ```matlab % 加载 .wav 文件 [audioData, fs] = audioread('audio_file.wav'); % 单声道处理 if size(audioData, 2) > 1 audioData = audioData(:, 1); end % 数据归一化 audioData = audioData ./ max(abs(audioData)); % 执行 FFT 变换 N = length(audioData); % 总采样点数 Y = fft(audioData); % 提取前 N/2 点用于显示正频率分量 P2 = abs(Y/N); P1 = P2(1:N/2+1); P1(2:end-1) = 2*P1(2:end-1); % 创建频率向量 f = fs*(0:(N/2))/N; % 绘制频谱图 figure; plot(f, P1) title('Single-Sided Amplitude Spectrum of Voice Signal'); xlabel('Frequency (Hz)'); ylabel('|P1(f)|'); grid on; ``` 这段 MATLAB 代码完成了与 Python 类似的操作流程，包括读取音频文件、执行 FFT 运算以及生成频谱图。 --- #### 关键概念解释 频谱分析的核心在于将时间域上的复杂信号转化为频率域上的简单成分组合。这通常借助于离散傅里叶变换 (DFT)[^2] 或者更高效的快速傅里叶变换 (FFT) 来实现。通过对原始信号应用这些技术，我们可以观察到构成该信号的不同频率及其对应的强度分布情况。 ---