Python调用librosa.feature.spectral_contrast报错，固定采样率1000如何解决？

我之前也碰到过低采样率下使用librosa频谱对比度的坑，咱们来一步步把它搞定。你遇到的问题核心原因是：librosa.feature.spectral_contrast的默认参数是为22050Hz、44100Hz这类标准音频采样率设计的，而你的采样率固定为1000Hz，它的奈奎斯特频率（最高可分析频率）只有500Hz，默认的频段划分会直接超出这个范围，导致计算出错。

具体问题拆解 #

librosa.feature.spectral_contrast默认配置里：

• fmin（最低参考频段）是200Hz
• n_bands（划分的频段数量）是6
  按照这个配置，算法会尝试计算超过500Hz的频段，这在1000Hz采样率下是不可能实现的，自然会触发报错。

针对性解决方案 #

你需要手动调整频段参数，确保所有分析频段都落在0~500Hz的范围内。可以直接指定fmax为采样率的一半（即奈奎斯特频率），再配合合适的fmin和n_bands。

修改你代码中标注的contrast行，替换成下面的写法：

# 适配1000Hz采样率的参数设置
contrast = np.mean(librosa.feature.spectral_contrast(
    S=stft, 
    sr=SAMPLE_RATE, 
    fmin=20.0,  # 把最低参考频段调低，覆盖更多低频范围
    n_bands=4,  # 减少频段数量，避免超出500Hz上限
    fmax=SAMPLE_RATE/2  # 明确指定最高分析频率为奈奎斯特频率
).T, axis=0)

额外注意事项 #

• 检查你的N_FFT参数：1000Hz采样率下，N_FFT建议设置为256或512，这样的频率分辨率（≈3.9Hz或≈1.95Hz）更适配低采样率信号，不要设置过大的值（比如超过1024），否则会导致频率分辨率过低，还会拖慢计算速度。
• 确认stft输出正确：你用np.abs(librosa.stft(signal))获取幅度谱的做法是对的，这符合spectral_contrast对S参数的要求，同时要保证signal是单声道信号（librosa默认处理单声道，多声道需要先转成单声道）。

修改后的完整函数片段 #

def extract_feature_for_one_signal(signal):
    signal = signal.astype(float)
    mel = np.mean(librosa.feature.melspectrogram(signal, sr=SAMPLE_RATE, n_fft=N_FFT, hop_length=HOP_LENGTH).T, axis=0)
    mfccs = np.mean(librosa.feature.mfcc(y=signal, sr=SAMPLE_RATE, n_mfcc=40).T, axis=0)
    stft = np.abs(librosa.stft(signal))
    chroma = np.mean(librosa.feature.chroma_stft(S=stft, sr=SAMPLE_RATE).T, axis=0)
    # 适配1000Hz采样率的spectral_contrast调用
    contrast = np.mean(librosa.feature.spectral_contrast(
        S=stft, 
        sr=SAMPLE_RATE, 
        fmin=20.0, 
        n_bands=4, 
        fmax=SAMPLE_RATE/2
    ).T, axis=0)
    tonnetz = np.mean(librosa.feature.tonnetz(y=librosa.effects.harmonic(signal), sr=SAMPLE_RATE).T, axis=0)
    average_distance = []
    for std in STD_NUMS:
        average_distance.append(average_distance_between_spikes(np.abs(signal), std, 320))
        average_distance.append(average_distance_between_spikes(signal, std, 320))
    return mfccs, chroma, mel, contrast, tonnetz, average_distance

内容的提问来源于stack exchange，提问作者Shir Shabat