Python频谱图峰值定位及scipy.find_peaks_cwt相关技术疑问

咱们结合你生成频谱图的场景，一步步理清这些问题：

1. scipy.signal.find_peaks_cwt会返回频-时坐标吗？替代方案是什么？ #

答案是不会。find_peaks_cwt是专门处理一维数组的函数，它只能返回峰值在一维数组中的索引位置，没法直接给出频谱图里的频-时二维坐标。

如果你需要获取局部最大值的频-时坐标，正确的思路是：先拿到频谱图的数值数据（而不是只靠plt.specgram可视化），再用二维峰值检测工具。具体步骤：

• 用scipy.signal.spectrogram替代plt.specgram，它会直接返回三个数组：频率数组f、时间数组t、振幅的二维数组Sxx（行对应频率，列对应时间）。
• 使用skimage.feature.peak_local_max（来自scikit-image库），它可以直接检测二维数组中的局部最大值，返回的是二维索引坐标，再通过f和t转换成实际的频-时数值。

我给你修改了代码示例，直接实现这个逻辑：

import numpy as np
import matplotlib.pyplot as plt
import scipy.io.wavfile
from scipy import signal
from skimage.feature import peak_local_max  # 需先安装：pip install scikit-image

def create_spectrogram(audio):
    rate, data = scipy.io.wavfile.read(audio)
    data_1D = data.flatten()
    
    # 获取频谱数值数据，替代仅可视化的plt.specgram
    f, t, Sxx = signal.spectrogram(data_1D, fs=rate, nperseg=64, noverlap=32)
    
    # 绘制频谱图
    plt.pcolormesh(t, f, Sxx, shading='gouraud')
    plt.ylabel('Frequency [Hz]')
    plt.xlabel('Time [sec]')
    
    # 检测二维局部最大值，参数可根据你的频谱调整
    peaks = peak_local_max(Sxx, min_distance=2, threshold_abs=0.1)
    
    # 将峰值标在图上验证
    plt.scatter(t[peaks[:,1]], f[peaks[:,0]], color='red', s=10)
    
    plt.savefig("melody_with_peaks")
    plt.show()
    
    # 转换为实际的频-时坐标返回
    peak_freqs = f[peaks[:,0]]
    peak_times = t[peaks[:,1]]
    return peak_freqs, peak_times

if __name__ == '__main__':
    audio = "melody.WAV"
    freqs, times = create_spectrogram(audio)
    print("检测到的峰值频-时坐标：")
    for freq, time in zip(freqs, times):
        print(f"时间: {time:.2f}s，频率: {freq:.2f}Hz")

2. scipy.signal.find_peaks_cwt中的widths参数是什么？ #

widths是用来指定你要寻找的峰值宽度范围（以数组的元素个数为单位）。

这个函数基于连续小波变换找峰值，不同宽度的小波对应检测不同尺度的峰值：

• 比如你设置widths=np.arange(1,10)，就是告诉函数去寻找宽度从1到9个元素的峰值。
• 如果你的频谱图里既有窄带的尖锐峰值（对应小width），又有宽带的平缓峰值（对应大width），设置合适的widths范围才能把这些不同类型的峰值都检测到。
  简单说，这个参数就是给算法划定“我要找多大的峰值”的范围。

3. 既然处理数组，为何仍需绘制频谱图？ #

其实不是必须要画图，但画图有两个关键作用：

• 参数调优参考：先看一眼频谱图的形态，你能直观知道峰值大概的宽度、分布密度、振幅阈值，这样就能更合理地设置峰值检测函数的参数（比如widths的范围、peak_local_max的min_distance）。
• 结果验证：把检测到的峰值标在图上，能直接确认算法找到的是不是你想要的那些局部最大值，避免误检（比如把噪声当成峰值）或者漏检。

另外，你之前的代码用plt.specgram只是做了可视化，没有保存频谱的数值数据——这也是为什么你没法直接用数组处理的原因，得先拿到Sxx这种数值数组才行。

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