rms归一化_将FFT频谱幅度归一化为0dB

最新推荐文章于 2025-04-23 20:30:43 发布

品读电影Movie

最新推荐文章于 2025-04-23 20:30:43 发布

阅读量2.9k

点赞数

CC 4.0 BY-SA版权

文章标签： rms归一化

本文链接：https://blog.youkuaiyun.com/weixin_34651330/article/details/112020914

本文介绍了如何使用Python的scipy库来实现RMS归一化的FFT频谱分析，参照Audacity的Welch算法进行信号处理。通过设置合适的参数，如窗口大小、重叠和窗函数类型，计算并显示功率谱密度。归一化过程包括将最大振幅的正弦波作为参考，设置0dB，并将低于-90dB的频谱忽略不计。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在对Audacity做了一些逆向工程后，这里给出了一些答案。首先，他们使用Welch algorithm来估计PSD。简而言之，它将信号分割成重叠段，应用一些窗口函数，应用FFT并对结果进行平均。主要是因为这有助于在存在噪声时获得更好的结果。总之，在提取了必要的参数后，这里的解决方案近似于Audacity的光谱图：import numpy as np

from scipy.io import wavfile

from scipy import signal

from matplotlib import pyplot as plt

segment_size = 512

fs, x = wavfile.read('sine3k6k.wav')

x = x / 32768.0 # scale signal to [-1.0 .. 1.0]

noverlap = segment_size / 2

f, Pxx = signal.welch(x, # signal

fs=fs, # sample rate

nperseg=segment_size, # segment size

window='hanning', # window type to use

nfft=segment_size, # num. of samples in FFT