11、音频处理：从频谱图生成到数据增强的全流程指南

音频处理：从频谱图生成到数据增强的全流程指南

1. 音频处理域的转换

在音频处理中，我们可以像以往一样处理纯波形，但大多数时候，在频率域进行处理会更有优势。频率域的表示能将原始波形转换为在给定时间点展示所有声音频率的视图，这种表示方式可能为神经网络提供更丰富的信息，因为网络可以直接处理这些频率，而无需将原始波形信号映射成模型可用的形式。

1.1 生成梅尔频谱图

传统上，进入频率域需要对音频信号应用傅里叶变换。我们将使用 LibROSA 在梅尔尺度上生成频谱图。梅尔尺度定义了一个音高尺度，其中 1000 梅尔等于 1000 赫兹，常用于音频处理，特别是语音识别和分类应用。

以下是使用 LibROSA 生成梅尔频谱图的代码：

import librosa
import numpy as np

sample_data, sr = librosa.load("ESC-50/train/1-100032-A-0.wav", sr=None)
spectrogram = librosa.feature.melspectrogram(sample_data, sr=sr)

这将得到一个包含频谱图数据的 NumPy 数组。我们可以使用以下代码显示频谱图：

import librosa.display
import matplotlib.pyplot as plt

librosa.display.specshow(spectrogram, sr=sr, x_axis='t