rms归一化_将FFT频谱幅度归一化为0dB

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

detrend=False, # remove DC part

scaling='spectrum', # return power spectrum [V^2]

noverlap=noverlap) # overlap between segments

# set 0 dB to energy of sine wave with maximum amplitude

ref = (1/np.sqrt(2)**2) # simply 0.5 ;)

p = 10 * np.log10(Pxx/ref)

fill_to = -150 * (np.ones_like(p)) # anything below -150dB is irrelevant

plt.fill_between(f, p, fill_to )

plt.xlim([f[2], f[-1]])

plt.ylim([-90, 6])

# plt.xscale('log') # uncomment if you want log scale on x-axis

plt.xlabel('f, Hz')

plt.ylabel('Power spectrum, dB')

plt.grid(True)

plt.show()

有关参数的一些必要说明：波形文件读取为16位PCM，为了与Audacity兼容，应将其缩放为| A |&lt；1.0

segment_size对应于Audacity的GUI中的Size。在

默认窗口类型为“Hanning”，如果需要，可以更改它。在

重叠是segment_size/2，就像在Audacity代码中一样。在

输出窗口被框住以遵循Audacity样式。他们扔掉第一个低频仓，把所有的东西都降低到-90分贝以下

What's physical meaning of the amplitude in the second picture?

它基本上是频率仓中的能量量。在How to normalize the amplitude to 0dB like the one in Audacity?

你需要选择一些参考点。以分贝为单位的图表总是与某些事物相关。当你选择最大能量箱作为参考，你的0db点就是最大能量(显然)。可以将最大振幅的正弦波设定为参考能量。请参见ref变量。正弦信号中的功率是RMS的平方，要得到RMS，只需将振幅除以sqrt(2)。所以比例因子是0.5。请注意，log10之前的系数是10而不是20，这是因为我们处理的是信号的功率而不是振幅。在Can I treat the amplitude below -90dB so low that it can be ignored?

是的，低于-40dB的东西通常被认为是可以忽略的