用matlab画出一个纯音信号的声谱图

以下是用MATLAB绘制纯音信号的声谱图的示例代码：

% 生成一个纯音信号
Fs = 8000;                 % 采样频率
t = 0:1/Fs:1;              % 时间向量
f = 1000;                  % 信号频率
x = sin(2*pi*f*t);         % 纯音信号

% 计算并绘制声谱图
window = hamming(256);     % 窗口函数
noverlap = length(window)/2;
nfft = 512;
spectrogram(x, window, noverlap, nfft, Fs, 'yaxis');
title('纯音信号的声谱图');

解释：

1. 首先定义采样频率 `Fs` 和时间向量 `t`，并生成一个频率为 1000 Hz 的纯音信号 `x`。

2. 然后选择一个窗口函数（这里使用汉明窗），并定义重叠长度和 FFT 点数。

3. 最后调用 `spectrogram` 函数，将纯音信号 `x` 作为输入，以及窗口函数、重叠长度、FFT 点数和采样频率等参数。函数将计算并绘制声谱图，并设置 y 轴为频率轴。

运行代码后，将得到一个纯音信号的声谱图，其中横轴为时间，纵轴为频率，颜色表示音量。

相关问题

matlab产生两个纯音信号并叠加绘制时域波形，频谱图，声谱图

生成两个纯音信号：

fs = 44100;     % 采样率
t = 0:1/fs:1;   % 时间序列，1秒钟
f1 = 400;       % 第一个信号频率为400Hz
f2 = 1000;      % 第二个信号频率为1000Hz

x1 = sin(2*pi*f1*t);    % 第一个信号
x2 = sin(2*pi*f2*t);    % 第二个信号

x = x1 + x2;    % 叠加两个信号

绘制时域波形：

subplot(2,1,1);
plot(t, x);
xlabel('Time (s)');
ylabel('Amplitude');
title('Time domain waveform');

subplot(2,1,2);
plot(t, x1, 'r');
hold on;
plot(t, x2, 'g');
hold off;
xlabel('Time (s)');
ylabel('Amplitude');
title('Individual signals');
legend('Signal 1 (400Hz)', 'Signal 2 (1000Hz)');

绘制频谱图：

N = length(x);              % 信号长度
freqs = (0:N-1)*(fs/N);     % 频率序列

X = abs(fft(x))/N;          % 快速傅里叶变换（FFT）
X = X(1:N/2+1);             % 取正频率部分
X(2:end-1) = 2*X(2:end-1);  % 乘以2，除去直流分量

plot(freqs, 20*log10(X));   % dB单位的幅度谱
xlabel('Frequency (Hz)');
ylabel('Magnitude (dB)');
title('Magnitude spectrum');

绘制声谱图：

window = hann(1024);         % 窗函数
noverlap = 512;             % 帧与帧之间的重叠量
nfft = 2048;                % 快速傅里叶变换点数
[S, F, T] = spectrogram(x, window, noverlap, nfft, fs);

imagesc(T, F, 20*log10(abs(S)));
axis xy;
xlabel('Time (s)');
ylabel('Frequency (Hz)');
title('Spectrogram');

语音信号声谱图代码

以下是Python代码，可以生成语音信号的声谱图：

import librosa
import librosa.display
import matplotlib.pyplot as plt

# 加载音频文件
audio_path = 'audio.wav'
signal, sr = librosa.load(audio_path, sr=None)

# 计算短时傅里叶变换
n_fft = 2048
hop_length = 512
stft = librosa.stft(signal, n_fft=n_fft, hop_length=hop_length)

# 计算幅度谱
amplitude = np.abs(stft)

# 转换为分贝
log_amplitude = librosa.amplitude_to_db(amplitude, ref=np.max)

# 绘制声谱图
plt.figure(figsize=(12, 8))
librosa.display.specshow(log_amplitude, sr=sr, hop_length=hop_length, x_axis='time', y_axis='hz')
plt.colorbar(format='%+2.0f dB')
plt.title('Spectrogram')
plt.tight_layout()
plt.show()

其中，`audio_path` 为音频文件路径，`signal` 为加载的音频信号，`sr` 为采样率。在代码中，我们使用了 `librosa` 库来计算短时傅里叶变换和幅度谱，并使用 `matplotlib` 库来绘制声谱图。