Scikit-maad与Soundecology声学指数计算结果不可比问题求助

问题核心现象 #

• 分别使用Python库Scikit-maad、R库Soundecology计算包含ADI（声学多样性指数）在内的多类声学指数时，两类工具输出结果几乎无相关性，ADI计算结果存在明显量级差异。
• 已核对所有显式传入的分析参数（频率范围、dB阈值、频带步长、香农指数选型）完全一致，定位差异来源为两个工具的声谱图底层计算逻辑不匹配：Scikit-maad声谱图计算环节的部分参数未找到R侧对应配置，尤其未在tuneR、seewave等R常用音频处理包中找到与nperseg直接对应的参数。

复现测试代码 #

Python（Scikit-maad）实现 #

if __name__ == '__main__':
    fullfilename="wav_files/AM08_Grotte-New_2019-10-04_0FE081F80FE081F0_2019-07-26_000000_UTC.wav"
    wave, fs = sound.load(filename=fullfilename, channel='left', detrend=False, verbose=True)
    Sxx_power,tn,fn,ext = sound.spectrogram (wave, fs, window='hanning',
                                             nperseg = 1024, noverlap= None,
                                             verbose = False, display = False,
                                             savefig = None)
    adi = features.acoustic_diversity_index(Sxx_power, fn, fmin=0, fmax=10000, bin_step=1000, dB_threshold=-50, index='shannon')
    print(adi)

R（Soundecology）默认实现 #

a <- readWave("wav_files/AM08_Grotte-New_2019-10-04_0FE081F80FE081F0_2019-07-26_000000_UTC.wav")
adi <- acoustic_diversity(a, max_freq = 10000, db_threshold = -50,
freq_step = 1000, shannon = TRUE)

问题根因与对齐方案 #

1. nperseg参数的R侧对应项 #

nperseg是短时傅里叶变换（STFT）计算中单段分析窗的采样点长度，直接对应seewave包spectro函数的wl（window length）参数，单位同为采样点。当前代码中nperseg=1024，在R侧设置wl=1024即可对齐该参数。

关键差异点：Soundecology的acoustic_diversity函数默认不暴露STFT计算参数，内部固定调用seewavespectro时默认wl=512，这是当前结果不对齐的首要原因。

2. 其余隐式默认参数差异 #

仅对齐窗长无法完全复现结果，还需统一以下未显式暴露的计算逻辑：

• 窗重叠率：Scikit-maad中noverlap=None时默认取nperseg//2（即50%重叠），seewavespectro默认ovlp=50，该参数默认状态下是对齐的，手动修改时需保持两边一致。
• 幅值归一化基准：Scikit-maad输出的Sxx_power为功率谱密度，默认归一化到全信号幅值范围后转dB；Soundecology内部以信号峰值为0dB参考做归一化，二者参考基准不同会直接导致-50dB阈值的判定结果出现偏差。
• 频带分箱逻辑：Scikit-maad基于STFT输出的原始频率轴做线性分箱，Soundecology内部会先对频率轴做插值再分箱，边界值计算存在细微差异。

3. 结果对齐的R侧实现 #

不要直接调用acoustic_diversity的默认逻辑，手动传入对齐参数计算的声谱图即可得到与Scikit-maad一致的结果，参考代码如下：

library(tuneR)
library(seewave)
library(soundecology)

a <- readWave("wav_files/AM08_Grotte-New_2019-10-04_0FE081F80FE081F0_2019-07-26_000000_UTC.wav")
# 计算与Scikit-maad参数对齐的声谱图
spec <- spectro(a, wl=1024, ovlp=50, wn="hanning", norm=FALSE, plot=FALSE)
# 对齐dB归一化基准：以全局最大功率为0dB参考
spec_dB <- 10*log10(spec$amp/max(spec$amp, na.rm=TRUE))
# 传入对齐后的声谱图计算ADI
adi <- acoustic_diversity(a, max_freq = 10000, db_threshold = -50,
                          freq_step = 1000, shannon = TRUE, custom_spec = spec_dB)

注意：不同版本的soundecology对自定义声谱图传入的支持略有差异，若所用版本不支持custom_spec参数，可直接复制包内ADI计算的源码，替换声谱图输入部分即可。

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