时频转换 | Matlab梅尔频谱图Mel spectrogram一维数据转二维图像方法_梅尔谱分析将一维数据转换为三维数据-优快云博客

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥内容介绍

在信号处理领域，将一维数据转换为二维图像能够以直观的方式展现数据的时频特性，梅尔频谱图（Mel spectrogram）是实现这一转换的有效工具之一，尤其在音频信号处理等方面应用广泛。Matlab 提供了便捷的函数和工具来生成梅尔频谱图，以下详细介绍其实现过程。

梅尔频谱图基础原理

梅尔频谱图基于梅尔频率尺度。梅尔频率是一种与人耳听觉感知更相符的频率尺度，它将线性频率转换为非线性的梅尔频率。在梅尔频率尺度下，低频部分的频率分辨率较高，高频部分的频率分辨率较低，这更符合人类听觉系统对不同频率声音的感知特性。

对于一维音频信号 \(x(n)\)，首先对其进行分帧处理，每帧信号通过加窗函数（如汉宁窗）进行加权，以减少频谱泄漏。然后对每帧信号进行快速傅里叶变换（FFT），得到其频谱。接着，将频谱从线性频率转换到梅尔频率尺度，通过一组梅尔滤波器组对频谱进行滤波，每个梅尔滤波器具有特定的频率响应范围，中心频率均匀分布在梅尔频率尺度上。最后，对每个梅尔滤波器的输出进行能量计算，得到梅尔频谱。将这些梅尔频谱随时间变化的结果进行可视化，就形成了梅尔频谱图，它能够清晰地展示音频信号在不同时间和梅尔频率上的能量分布。

一维数据转二维图像的实现步骤

数据准备
：确保一维数据是干净的音频信号。如果数据存在噪声，可采用适当的滤波方法进行预处理，例如使用 Matlab 中的 butter 函数设计巴特沃斯滤波器对信号进行滤波。假设一维音频信号存储在名为 audioSignal 的向量中，采样频率为 fs。

% 读取音频文件示例

[audioSignal, fs] = audioread('audio_file.wav');

% 如果是多声道音频，转换为单声道

if size(audioSignal, 2) > 1

audioSignal = mean(audioSignal, 2);

end

设置参数
：

- 帧长和帧移
  ：帧长决定了每帧信号的时间长度，帧移决定了相邻两帧之间的重叠程度。一般来说，帧长可以设置为 256、512 或 1024 个采样点，帧移可以设置为帧长的一半。例如，设置帧长为 512，帧移为 256：

frameLength = 512;

frameShift = 256;

梅尔滤波器组数量
：该数量决定了梅尔频谱图的频率分辨率。通常可设置为 40 - 128 个，这里设置为 80：

numFilters = 80;

FFT 点数
：一般设置为大于等于帧长的 2 的幂次方，以提高 FFT 计算效率。例如，若帧长为 512，则 FFT 点数设置为 512：

nfft = 512;

计算梅尔频谱
：在 Matlab 中，使用 melgram 函数计算梅尔频谱。该函数的基本语法为 S = melgram(audioSignal, fs, 'Window', window, 'OverlapLength', overlap, 'NumChannels', 1, 'NumFilters', numFilters, 'FFTLength', nfft)，其中 window 是窗函数，overlap 是帧移。以汉宁窗为例：

window = hanning(frameLength);

S = melgram(audioSignal, fs, 'Window', window, 'OverlapLength', frameShift, 'NumChannels', 1, 'NumFilters', numFilters, 'FFTLength', nfft);

这里 S 是计算得到的梅尔频谱矩阵，其行数对应梅尔滤波器组数量，列数对应帧数。