如何将Librosa生成的D矩阵与freq_bins还原为频谱并重构音频

你当前存储的D是分贝化的幅度谱，缺失STFT计算产生的相位信息，这是无法直接逆向的核心原因，按以下步骤操作即可完成重构：

1. 分贝幅度谱转回线性幅度域 #

你之前使用librosa.amplitude_to_db将线性幅度转为分贝值，反向操作为librosa.db_to_amplitude，注意ref参数要和正向转换时保持一致：

mag = librosa.db_to_amplitude(D, ref=np.max)

2. 生成完整复数频谱（解决相位缺失问题） #

分两种场景处理：

• 场景A：仍保留原始STFT的相位数据
  你在最初计算spectrum时可以先存储相位，逆向时直接和幅度组合为复数频谱：

  # 正向计算阶段提前保存相位
  phase = np.angle(spectrum)
  # 逆向阶段组合得到完整复数频谱
  reconstructed_spectrum = mag * np.exp(1j * phase)
  # 调用istft得到音频波形
  audio_recon = librosa.istft(reconstructed_spectrum, n_fft=2048, window=scipy.signal.windows.hamming, hop_length=512)
  

  注意hop_length默认值为n_fft//4即512，如果你正向计算STFT时自定义了该参数，需保持完全一致。
• 场景B：已丢失原始相位数据
  直接使用Librosa内置的Griffin-Lim相位估计算法，输入线性幅度谱即可直接生成重构音频：

  audio_recon = librosa.griffinlim(
      mag,
      n_fft=2048,
      window=scipy.signal.windows.hamming,
      hop_length=512,
      n_iter=100 # 迭代次数越高，相位估计越准确，失真越小
  )
  

3. 导出WAV文件 #

推荐使用soundfile库完成导出，采样率和你最初加载音频的sr保持一致：

import soundfile as sf
sf.write('reconstructed_output.wav', audio_recon, sr)

注意事项 #

• 所有STFT相关参数（n_fft、窗函数、hop_length）正向和逆向计算时必须完全对齐，否则会出现严重噪声甚至重构失败
• 采用Griffin-Lim估计相位的重构音频会存在轻微失真，可通过提高迭代次数优化效果

内容的提问来源于stack exchange，提问作者A T