如何将 Mel Spectrogram 拆分为不同频率范围的子带

Question

我对音频信号处理非常陌生，但是我有这个任务，但我遇到了困难。

我想要实现的是，假设我已经使用 Mel Spectrogram 对语音音频进行了特征提取，频率范围为 Mel 标度（300Hz、3400Hz）。 例如，我如何进一步将其拆分为 5 个不重叠的子带

频段 1：[300Hz，627Hz]

频段 2：[628Hz、1060Hz]

频段 3：[1061Hz, 1633Hz]

频段 4：[1634Hz, 2393Hz]

频段 5：[2394Hz，3400Hz]

我一直在尝试到处寻找实际实现的示例，但找不到。

如果有人能给我一些建议或指导我正确的方向，我将不胜感激。

Answer 1

由于您的问题基于作业，因此此答案将提供您需要的工具（不是实际答案！）。

假设您使用过 librosa 的 Mel Spectrogram，如下所示：
https://librosa.org/doc/latest/generated/librosa.feature.melspectrogram.html

然后，您将获得频谱图的二维 numpy 数组。
对于上面的例子，使用S.shape 得到(128, 230)

这意味着生成了 128 个mel-bands（频率分组）和 230 个时间分组。

然后你需要做一些array slicing 来获得正确的乐队。示例：S[0:5] 获取所有时间步长的前五个波段。您需要进行数学运算才能查看哪些频段代表哪些频率。