Librosa 的 fft 和 Scipy 的 fft 不一样?

Librosa's fft and Scipy's fft are different?

Librosa 和 Scipy 都具有 fft 功能,但是,即使使用相同的信号输入,它们也会给我不同的频谱图输出。

Scipy

我正在尝试使用以下代码获取频谱图

import numpy as np                                       # fast vectors and matrices
import matplotlib.pyplot as plt                          # plotting
from scipy import fft      

X = np.sin(np.linspace(0,1e10,5*44100))

fs = 44100          # assumed sample frequency in Hz
window_size = 2048  # 2048-sample fourier windows
stride = 512        # 512 samples between windows
wps = fs/float(512) # ~86 windows/second
Xs = np.empty([int(2*wps),2048])

for i in range(Xs.shape[0]):
    Xs[i] = np.abs(fft(X[i*stride:i*stride+window_size]))

fig = plt.figure(figsize=(20,7))
plt.imshow(Xs.T[0:150],aspect='auto')
plt.gca().invert_yaxis()
fig.axes[0].set_xlabel('windows (~86Hz)')
fig.axes[0].set_ylabel('frequency')
plt.show()

然后我得到下面的频谱图

图书馆

现在我尝试用 Librosa 得到相同的频谱图

from librosa import stft

X_libs = stft(X, n_fft=window_size, hop_length=stride)
X_libs = np.abs(X_libs)[:,:int(2*wps)]

fig = plt.figure(figsize=(20,7))
plt.imshow(X_libs[0:150],aspect='auto')
plt.gca().invert_yaxis()
fig.axes[0].set_xlabel('windows (~86Hz)')
fig.axes[0].set_ylabel('frequency')
plt.show()

问题

两者的频谱图明显不同,具体来说,Librosa版本在一开始就有攻击。 造成差异的原因是什么?我在 Scipy 和 Librosa.

的文档中看不到很多可以调整的参数

原因是 librosa 的 stft 的参数 center。默认情况下它是 True(以及 pad_mode = 'reflect')。

来自文档:

librosa.core.stft(y, n_fft=2048, hop_length=None, win_length=None, window='hann', center=True, dtype=, pad_mode='reflect')

center:boolean

If True, the signal y is padded so that frame D[:, t] is centered at y[t * hop_length].

If False, then D[:, t] begins at y[t * hop_length]

pad_mode:string

If center=True, the padding mode to use at the edges of the signal. By default, STFT uses reflection padding.

像这样调用 STFT

X_libs = stft(X, n_fft=window_size, hop_length=stride,
              center=False)

确实导致一条直线:

请注意,librosa 的 stft 默认也使用 Hann window function。如果您想避免这种情况并使其更像您的 Scipy stft 实现,请使用仅包含一个的 window 调用 stft:

X_libs = stft(X, n_fft=window_size, hop_length=stride,
              window=np.ones(window_size),
              center=False)

您会注意到线条变细了。