正弦波Mel尺度频谱图疑问：频率对应与条带位置解析

我生成了频率为100Hz的正弦波，通过计算FFT验证了频率的正确性。随后计算了melspectrogram，但无法理解其输出含义：

• 输出中何处能看到100Hz？
• 黄色条带为何位于第25区域？
• 若将频率改为200Hz，melspectrogram的黄色条带为何位于第50区域？

测试代码 #

# In[4]:
import numpy as np
import matplotlib.pyplot as plt
import scipy.fft
import librosa

def generate_sine_wave(freq, sample_rate, duration)-> tuple[np.ndarray, np.ndarray]: 
    x = np.linspace(0, duration, int(sample_rate * duration), endpoint=False)
    frequencies = x * freq
    # 2pi because np.sin takes radians
    y = np.sin(2 * np.pi * frequencies)
    return x, y

sample_rate = 1024
freq = 100
x, y = generate_sine_wave(freq, sample_rate, 2)
plt.figure(figsize=(10, 4))
plt.plot(x, y)
plt.grid(True)

fft = scipy.fft.fft(y)
fft = fft[0 : len(fft) // 2]
fft = np.abs(fft)
xs = np.linspace(0, sample_rate // 2, len(fft))
plt.figure(figsize=(15, 4))
plt.plot(xs, fft)
plt.grid(True)

melsp = librosa.feature.melspectrogram(sr=sample_rate, y=y)
melsp = melsp.T
plt.matshow(melsp)
plt.title('melspectrogram')
max = np.max(melsp)
print('melsp.shape =', melsp.shape)
print('melsp max =', max)

测试结果图 #

正弦波波形图 #

![正弦波波形图]

FFT频谱图 #

![FFT频谱图]

100Hz Mel频谱图 #

![100Hz Mel频谱图]

200Hz Mel频谱图 #

![200Hz Mel频谱图]

解答 #

1. 如何在Mel频谱图中定位100Hz？ #

Mel频谱图的*纵轴（默认未转置前的行）*对应Mel刻度，而非线性的Hz刻度。要找到100Hz的位置，你可以通过Librosa提供的工具将Hz转换为Mel频段：

# 获取默认Mel滤波器组的中心频率
mel_freqs = librosa.mel_frequencies(n_mels=128, fmin=0, fmax=sample_rate//2)
# 查找最接近100Hz的频段索引
target_idx = np.argmin(np.abs(mel_freqs - 100))
print(f"100Hz对应的Mel频段索引: {target_idx}")

默认n_mels=128时，100Hz对应的就是第25个左右的频段（索引从0开始为24），也就是你图中黄色条带的位置。

2. 黄色条带位置的原因 #

黄色条带代表该频段能量峰值，对应正弦波频率所在的Mel频段：

• Mel刻度是非线性的，它模拟人耳感知特性：低频段Mel间隔对应更小的Hz范围，高频段则对应更大范围。但0-1000Hz区间内，Mel与Hz近似线性（转换公式：mel = 2595 * log10(1 + hz/700)），因此100Hz对应第25区域，200Hz对应第50区域，呈现近似线性的对应关系。
• 你代码中执行了melsp = melsp.T转置操作，将原本的Mel频段纵轴转为横轴，所以黄色条带的横轴位置就是对应频率的Mel频段索引。

额外说明 #

默认librosa.feature.melspectrogram输出形状为(n_mels, 时间帧数)，转置后变为(时间帧数, n_mels)，因此matshow画图时，横轴对应Mel频段，纵轴对应时间帧，能量最高的黄色条带自然落在目标频率对应的Mel频段位置。

内容的提问来源于stack exchange，提问作者codeDom