从振幅或FFT到分贝

Question

我有一个Python代码，它在wav文件上执行FFT并绘制振幅与时间/振幅与频率的关系图。我想从这些图中计算dB（它们是长数组）。我不想计算精确的dBA，我只想在计算之后看到一个线性关系。我有分贝表，我来比较一下。这是我的代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import print_function
import scipy.io.wavfile as wavfile
import scipy
import scipy.fftpack
import numpy as np
from matplotlib import pyplot as plt

fs_rate, signal = wavfile.read("output.wav")
print ("Frequency sampling", fs_rate)
l_audio = len(signal.shape)
print ("Channels", l_audio)
if l_audio == 2:
    signal = signal.sum(axis=1) / 2
N = signal.shape[0]
print ("Complete Samplings N", N)
secs = N / float(fs_rate)
print ("secs", secs)
Ts = 1.0/fs_rate # sampling interval in time
print ("Timestep between samples Ts", Ts)
t = scipy.arange(0, secs, Ts) # time vector as scipy arange field / numpy.ndarray
FFT = abs(scipy.fft(signal))
FFT_side = FFT[range(N//4)] # one side FFT range
freqs = scipy.fftpack.fftfreq(signal.size, t[1]-t[0])
fft_freqs = np.array(freqs)
freqs_side = freqs[range(N//4)] # one side frequency range
fft_freqs_side = np.array(freqs_side)

makespositive = signal[44100:]*(-1)
logal = np.log10(makespositive)

sn1 = np.mean(logal[1:44100])
sn2 = np.mean(logal[44100:88200])
sn3 = np.mean(logal[88200:132300])
sn4 = np.mean(logal[132300:176400])

print(sn1)
print(sn2)
print(sn3)
print(sn4)

abs(FFT_side)
for a in range(500):
    FFT_side[a] = 0

plt.subplot(311)
p1 = plt.plot(t[44100:], signal[44100:], "g") # plotting the signal
plt.xlabel('Time')
plt.ylabel('Amplitude')

plt.subplot(312)
p1 = plt.plot(t[44100:], logal, "r") # plotting the signal
plt.xlabel('Time')
plt.ylabel('Amplitude')

plt.subplot(313)
p3 = plt.plot(freqs_side, abs(FFT_side), "b") # plotting the positive fft spectrum
plt.xlabel('Frequency (Hz)')
plt.ylabel('Count single-sided')
plt.show()

第一张图是振幅随时间的变化曲线，第二张图是上一张图的对数，最后一张图是FFT。 在sn1，sn2部分中，我试图从信号中计算出dB。首先我取对数，然后计算每秒钟的平均值。这并没有给我一个明确的关系。我也试过了，但没用。在

^{pr2}$

那么我应该执行哪些步骤？（求和/平均所有频率振幅，然后取对数或倒数，或对信号等执行）

import numpy as np
import matplotlib.pyplot as plt
import scipy.io.wavfile as wf

fs, signal = wf.read('db1.wav') 

signal2 = signal[44100:]
chunk_size = 44100
num_chunk  = len(signal2) // chunk_size
sn = []
for chunk in range(0, num_chunk):
    sn.append(np.mean(signal2[chunk*chunk_size:(chunk+1)*chunk_size].astype(float)**2))

print(sn)

logsn = 20*np.log10(sn)

print(logsn)

输出：

[4.6057844427695475e+17, 5.0025315250895744e+17, 5.028593412665193e+17, 4.910948397471887e+17]
[353.26607217 353.98379668 354.02893044 353.82330741]

Answer 1

分贝计测量信号的平均功率。因此，根据您的时间信号记录，您可以使用以下公式计算平均信号功率：

chunk_size = 44100
num_chunk  = len(signal) // chunk_size
sn = []
for chunk in range(0, num_chunk):
  sn.append(np.mean(signal[chunk*chunk_size:(chunk+1)*chunk_size]**2))

相应的平均信号功率（单位：分贝）可简单地通过以下公式得出：

^{pr2}$

也可以使用Parseval's theorem获得频域信号的等效关系，但在您的情况下，需要不必要的FFT计算（当您已经为了其他目的而计算FFT时，这种关系非常有用）。在

但是请注意，根据您的比较结果，可能会有一些（希望是很小的）差异。例如使用非线性放大器会影响扬声器和放大器的关系。同样，环境噪音也会增加分贝计测得的功率。在