我正在尝试分析一首歌曲在数组中特定时间点的频率。
我正在使用 scipy.signal.spectrogram 函数来生成这些频率。歌曲长度为2:44，即164秒，读取的scipy.wav文件的采样率为44100。
当我使用频谱图时：
f, t, Sxx= signal.spectrogram(data[:, 1], sr)
f 的长度真的很小，129 个元素。 t 更长，为 32322，但距离原始 wavfile.read 中的 7240320 个采样窗口仍有很长的距离。
(data[:, 1]为音频数据的右声道)
【问题讨论】：
标签： python audio scipy signal-processing spectrogram
stft的默认nperseg的长度为256除以2（仅频率标度的正侧）+1（频率0）。
时间上的样本数是通过
t.size = len(data[:, 1]) / nperseg * (1 + noverlap)
其中noverlap 是256/8=32。
【讨论】：
f, t, Sxx = spectrogram(np.ones(1000)) 创建一个测试频谱图时，形状应该是（129,4），基于nperseg = 256 和noverlap = 32 这是默认值，上面使用的时间维度的计算形状是128.90625 -> 128，而实际时间形状为 4。使用下面的等式，我得到正确答案 4。
data = np.zeros(7240320) 创建一个虚拟数组，这是他在问题中所拥有的向量的大小。使用他的相同代码，我得到t.shape = (32322, ) 和f.shape = (129, 0)，这与他的问题中的形状相匹配。现在，如果我使用你的等式，我会得到len(data) / 256 * (1 + 32) = 933322.5。如果我使用上面答案中的方程式，我会得到int((len(data) - 32) / (256 - 32)) = 32322，它与频谱图的输出相匹配。我强烈建议您实际运行代码来检查您的答案。
频率数组f被采样频率的一半加上零频率限制，所以
f.size = int(1 + sampling_frequency / 2)
虽然时间数组受到您可以从基于 nperseg 和 noverlap 的数据数组中提取的段数量的限制，就像这样
t.size = int(len(data[:, 1]) - noverlap) / (nperseg - noverlap))
如果您想象有两个分段，nperseg=8 和 noverlap=1，您需要一个至少具有 15 个样本的信号。
【讨论】：
return_onesided=True，这是默认值。
int(1 + nperseg / 2)，就像 Gideon Kogan 的回答一样。在给定的答案中，频率大小与采样频率有关，但采样频率对向量的大小没有影响，只是向量到频率的映射。您可以使用sr = 44100 和sr = 1 运行示例f, t, Sxx= signal.spectrogram(np.ones(7240320) , sr)，并看到f 的大小没有改变。