【Day2】声音的一些基本介绍

声音这东西实在是太自然了，所以我们很少去思考这东西的本质到底是什麽

简单的来复习一下声音是什麽，你可以到维基百科上面看看，写的是相当清楚 ; 而我是这样子理解它的，声音它就是来自於物体的波(振)动，它每秒钟振动的次数就叫做「频率」，我们把每秒钟振动一次称做１赫兹(１Hz)。

人类的耳朵，可以听见 20Hz ～ 20000Hz 之间的声音，所以我们处理资料当然也是这个范围的。

人的声音就是从我们的声道发出来的，人的声带透过震动发出声音之後再经过喉咙舌头牙齿等等 (合在一起叫做声道)，最後发出我们听到的声音，又因为每个人的声道都不一样，所以你是很难找到两个人的声音完全一模一样的。

看一下声带长怎样吧 ~~~

稍微了解一下之後，我们在 Python 上面稍微看一下之後要面对的资料吧!

import librosa
import numpy as np
import matplotlib.pyplot as plt
signal, sample_rate = librosa.load("test.wav")

上面使用了 librosa 来读进音档，实际上你还可以用 scipy.io 或是 soundfile 等其他不同的 library 读，不同的 library 读进来的格式不一样，sample rate 也不一样，在看别人训练的 code 时候需留意一下。

如上图，左边是 librosa 读进来的，右边是 scipy.io 读进来的，你可以看到 scipy 有些许的蓝色，那是因为它是读双声道的，而且值也不一样，librosa 的有正规化过。

题外话 - Sample Rate 是什麽 ？

因为我们的声音是类比讯号，像是大自然所听到的声音或看到的影像等等这类的都是，它是一个连续值，但电脑并不能够真的去处理这样子的讯号，电脑只看得懂 0 跟 1 所以我们必须把它转成数位讯号，它是不连续的值，并且只用 0 跟 1 表示。

Sample Rate 的意思就是每秒钟对这个声音讯号的取样几次，标准 CD 音质的 Sample Rate 是 44.1Khz，意思就是在一秒钟的声音讯号被取样了 44100 次。

前面我们提到，声音它是来自於物体的波(振)动，如果它是一个波，那一定会有一些特徵可以被观察到，像是三角波跟方波你一眼就可以说出他们的差异了，但看一看上面的图，其实你很难去说明他们哪里不一样，那是因为在时域上我们看到的是信号如何随着时间变化，但其实很多物理元件的特性是随着讯号的频率而改变，像电容在低频时阻抗会变大，声音也是一样要在频率下才比较能够观察到它的特徵。

频谱图

想要画出频谱图来观察声音，首先我们先看一下频谱怎麽算的，基本上就只是单纯的把信号做傅立叶变换再取 DB 而已

scipy 跟 matplotlib 也有提供 function 让你使用

你可以看到左边 scipy 取的是 10 * log10 (因为他没帮你算 DB)，但其实也有人会取 20 * log10，这个不一定，要看作者怎麽去使用。

梅尔频率

如果只是使用一般的声音频率的话，并不能够很完美的符合人的听觉感受，因此在1980年由 S.B. Davis和 Paul Mermelstein 提出了一种叫做梅尔刻度的一种非线性刻度单位，用以表示人耳实际上对音高变化的感受

这是因为人类的听觉是非线性的，

定义是将 1000Hz，且高於 40 分贝以上的声音信号，定做 1000 mel。

而在频率 500Hz 以上时，人耳每感觉到等量的音高变化，所需要的频率变化随频率增加而愈来愈大，如下图所示。

转换公式如下：

不一定数字要如同上面的公式一样，历史上也有一些人提出不同的参数，像是把 700 改成 1000。

小结

明日我们会专注在介绍更多 Feature，谢谢正在看这篇文章的你。