音频开发 / 系统课时

从声谱图识别常见异常

从声谱图识别常见异常

声谱图适合回答三个排障问题:异常在什么时候出现、集中在哪些频段、持续多久。本篇用窄带啸叫、宽带底噪、周期性干扰和瞬态爆音四种典型形态建立识别方法,并要求把声谱图判断回到原始波形验证,避免只凭颜色下结论。

学习目标

  • 能从声谱图区分窄带、宽带、周期性和瞬态异常。
  • 能按“时间位置 → 频段范围 → 持续方式”描述异常,而不是只说“这里很亮”。
  • 能把声谱图观察与原始波形交叉验证,缩小可能根因。

先看形状再猜来源

不同异常会在时频平面留下不同几何特征。持续啸叫通常是固定频率附近的细水平线;宽带底噪会让较大频率范围长期抬高;周期性干扰常表现为等间隔时间条纹或固定基频及其谐波;爆音则更像短时间内跨越大量频率的竖向亮带。

四类常见音频异常在声谱图中的典型形态

这四种形态只是定位入口,不是根因结论。同一条窄带线可能来自声学反馈、电源啸叫或测试信号泄漏;周期条纹可能来自周期任务、缓冲区抖动或机械碰撞。声谱图负责告诉你“异常长什么样”,根因还要结合链路和时域证据。

用三个维度描述异常

观察一处可疑区域时,先固定描述顺序:时间、频率、持续方式。这样能把“看起来不对”变成可复核的排障记录。

异常 声谱图特征 波形侧验证
窄带啸叫 固定频率附近持续细线 波形常近似周期振荡
宽带底噪 大片频段长期整体变亮 波形持续有随机小幅抖动
周期性干扰 等时间间隔出现竖条,或出现基频与谐波 波形中可找到重复脉冲或周期
瞬态爆音 极短时间跨越宽频段 波形中出现尖峰、削顶或突变

生成四类异常做识别练习

下面构造一段 4 秒信号:每秒放入一种典型异常,再计算 STFT。代码既绘制声谱图,也打印几个已知事件的位置,便于把视觉特征与原始信号对应起来。

python
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import stft

fs = 16000
duration = 4.0
rng = np.random.default_rng(7)
t = np.arange(int(fs * duration)) / fs
x = np.zeros_like(t)

# 0~1 s:窄带啸叫,固定在 2800 Hz
mask = (t >= 0.0) & (t < 1.0)
x[mask] += 0.35 * np.sin(2 * np.pi * 2800 * t[mask])

# 1~2 s:宽带底噪
mask = (t >= 1.0) & (t < 2.0)
x[mask] += 0.12 * rng.standard_normal(mask.sum())

# 2~3 s:每 0.2 s 一次的短脉冲干扰
for event_time in np.arange(2.0, 3.0, 0.2):
    start = int(event_time * fs)
    x[start:start + 24] += np.hanning(24) * 1.8

# 3.4 s:单个瞬态爆音
pop_index = int(3.4 * fs)
x[pop_index] += 4.0

f, tt, zxx = stft(
    x,
    fs=fs,
    window="hann",
    nperseg=512,
    noverlap=384,
    boundary=None,
    padded=False,
)
db = 20 * np.log10(np.maximum(np.abs(zxx), 1e-8))

plt.figure(figsize=(10, 4.5))
plt.pcolormesh(tt, f, db, shading="auto")
plt.ylim(0, 5000)
plt.xlabel("Time (s)")
plt.ylabel("Frequency (Hz)")
plt.title("Synthetic anomaly spectrogram")
plt.tight_layout()
plt.show()

print("whistle_hz=2800")
print("periodic_interval_s=0.2")
print("pop_time_s=3.4")

预期输出

text
whistle_hz=2800
periodic_interval_s=0.2
pop_time_s=3.4

图中 0~1 秒附近应出现 2.8 kHz 的窄水平线;1~2 秒多个频段整体抬高;2~3 秒出现近似等间隔的宽频竖条;3.4 秒附近出现一次更孤立的宽频瞬态。

回到原始波形交叉验证

声谱图擅长找频段,但时域波形更适合确认尖峰、削顶和周期重复。实际排障时可以按以下顺序处理:

  1. 在声谱图上圈定异常的大致时间范围。
  2. 记录它集中在哪个频段,是单频、谐波还是宽带。
  3. 放大同一时间段的原始波形,确认是否存在尖峰、重复脉冲、削顶或持续随机抖动。
  4. 再结合设备、算法和数据链路,列出可能来源并做针对性实验。

例如,3.4 秒处如果声谱图出现宽频竖带,同时波形只有一个极高尖峰,优先检查点击音、拼接边界、缓冲区异常或数值突变;如果声谱图是持续 2.8 kHz 细线而波形呈稳定周期,则更像持续性窄带源,而不是随机噪声。

避免几个常见误判

频谱泄漏会让本来很窄的单频扩散到邻近频点,所以“有宽度”不等于“宽带噪声”。帧长过大又会把很短的爆音沿时间轴铺宽,因此看到几十毫秒的亮带时,要先确认 STFT 的时间分辨率。

另一个常见误判是只看声谱图不听、不看波形。排障时应把声谱图当成定位工具:先确定异常的时间和频段,再用原始波形确认事件形态,最后才推断来源。这样得到的是可复现的证据链,而不是对颜色纹理的主观猜测。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

从声谱图识别常见异常

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通