matlab绘制语谱图

1.读取音频文件

[cleanAudio,fs] = audioread('SA1W.WAV');
%cleanAudio 为音频文件按照采样频率fs存储在计算机的数字信号（一维数据），其值代表幅度值。

2.设置窗口函数、帧长、帧移

windowLength = 256;%帧长
win = hamming(windowLength,'periodic');%窗口函数（汉明窗）
overlap = 128; %帧移（一般为帧长的一半）
ffTLength = windowLength; %做DFT的点数，一般和帧长一样

3.计算时间

t = (1/fs) * (0:numel(cleanAudio)-1);%波形图的时间（单位为秒）

4.绘图

subplot(2,1,1)
plot(t,cleanAudio);%利用读取的音频信号绘制波形图
title('波形图')
grid on;
subplot(2,1,2)
spectrogram(cleanAudio,win,overlap,ffTLength,fs,'yaxis');%绘制语谱图 'yaxis'代表频率轴在Y轴
title('语谱图')

　　

5.解释

1. spectrogram的返回值

[S,F,T,P]=spectrogram(cleanAudio,win,overlap,nfft,fs,'yaxis');

• S：是音频经过加窗、分帧、傅里叶变化得到的一个矩阵。时间分辨率是矩阵的列，频率分辨率为矩阵的行。这里cleanAudio如果是实值并且nfft是偶数，则S有 (nfft/2 + 1) 行，cleanAudio如果是实值并且nfft是奇数，则S有 (nfft + 1)/2 行。这里的信号是实值，nfft为256，所以S的行是129。

• F： S的行，也就是频率分辨率，这里的值为129.

• T： S的列，也就是时间分辨率，其中的每个值为各段的中点。如果频率分辨率固定，音频的数字信号的长度越长，该向量也越大。

• P：能量谱密度。也是一个矩阵。和S的大小是一样的。是S中的每个值的平方。

2.波形图和语谱图的时间轴看起来为什么是一样的？

　　其实两个图的时间轴是不太一样的，时间分辨率是不一样的。在波形图中，时间的轴的长度是和音频的数字信号向量的长度是一样的，t = (1/fs) * (0:numel(cleanAudio)-1)， t的值会随采样频率fs的变化而变化。相较于波形图，语谱图中时间分辨率是有所降低的。例如，有一个信号的长度为101000，窗口长度为200，返回的频率F分辨率为101，则时间T的分辨率为1000。所以，看起来是差不多的，但是其实时间的分辨率降低了很多，而且窗口长度越大，时间分辨率会越低。

3.语谱图的频率轴和采样率什么关系？

　　根据奈奎斯特定理，采样的频率大于信号频率的2倍，采样之后的数字信号可以完整的保存期原始信号信息。所以这里的频率轴的最高值是根据输入的采样频率来决定的，本例中采样频率为16000Hz，所以频率轴的最高值为8000Hz。