InverseSpectrogram[data]
根据幅值频谱图 data 重建信号.
InverseSpectrogram[img]
重建信号,假定图像 img 是幅值频谱图.
InverseSpectrogram[input,n]
假设频谱图数据是用长度为 n 的分区计算的.
InverseSpectrogram[input,n,d]
假设分区偏移为 d.
InverseSpectrogram[input,n,d,wfun]
假设对每个分区应用平滑窗口 wfun.
InverseSpectrogram
InverseSpectrogram[data]
根据幅值频谱图 data 重建信号.
InverseSpectrogram[img]
重建信号,假定图像 img 是幅值频谱图.
InverseSpectrogram[input,n]
假设频谱图数据是用长度为 n 的分区计算的.
InverseSpectrogram[input,n,d]
假设分区偏移为 d.
InverseSpectrogram[input,n,d,wfun]
假设对每个分区应用平滑窗口 wfun.
更多信息和选项
- InverseSpectrogram 近似于幅值频谱图的逆.
- 要想计算列表和音频信号的短时傅里叶变换,请使用 ShortTimeFourier.
- InverseSpectrogram 假设实矩阵输入是没有冗余部分的幅值频谱图. 这意味着使用的窗口大小为 2(size-1),其中 size 是输入矩阵的第二维.
- 如果偏移量 d 小于分区长度 n 的一半,则可以根据频谱图计算逆频谱图.
- 可给出以下选项:
-
FourierParameters {1,-1} 要使用的傅立叶参数 MaxIterations Automatic 最大迭代次数 Method Automatic 要使用的方法 - 可能的方法设置包括:
-
Automatic 自动确定方法 "GriffinLim" 迭代近似相位 "SPSI" 使用 single-pass spectrogram inversion 方法 "Hybrid" 用 SPSI 作为 Griffin–Lim 方法的初始相位 - 默认情况下使用 "Hybrid" 方法.
范例
打开所有单元 关闭所有单元基本范例 (3)
data = CellularAutomaton[60, {{1}, 0}, 255];
ArrayPlot[data]Audio[InverseSpectrogram[data], SampleRate -> 8000]InverseSpectrogram[{...}]Spectrogram[%]InverseSpectrogram[[image]]//AudioSpectrogram[%, PlotRange -> All, AspectRatio -> 1]范围 (3)
data = List[...];推断所得的分区大小为 2×(size-1),其中 size 是输入矩阵的第二个维数:
size = Dimensions[data][[2]]InverseSpectrogram[data, 2(size - 1)]//Spectrogramdata = List[...];InverseShortTimeFourier[data]//SpectrogramInverseSpectrogram[data, Automatic, 40]//Spectrogramdata = List[...];InverseShortTimeFourier[data, Automatic, Automatic, DirichletWindow]//Spectrogram选项 (2)
MaxIterations (1)
使用 MaxIterations 选项控制结果的质量和运算的速度:
AbsoluteTiming[res = InverseSpectrogram[List[...], Method -> "GriffinLim", MaxIterations -> 1];][[1]]
Spectrogram[res]AbsoluteTiming[res = InverseSpectrogram[List[...], Method -> "GriffinLim", MaxIterations -> 10000];][[1]]
Spectrogram[res]Method (1)
"Griffin-Lim" 方法使用迭代算法近似原来的信号:
data = List[...];InverseSpectrogram[data, Method -> "GriffinLim"]//Spectrogram"SPSI" 方法以非迭代方式近似信号,相对来讲运算速度会快一些:
InverseSpectrogram[data, Method -> "SPSI"]//Spectrogram"Hybrid" 方法使用 "SPSI" 方法的结果作为 "Griffin-Lim" 迭代方法的起始值,收敛可能会快一点:
InverseSpectrogram[data, Method -> "Hybrid"]//Spectrogram应用 (2)
根据幅值谱重建 Audio 对象:
sp = List[...];
MatrixPlot[Log[sp]]Audio[InverseSpectrogram[sp, 1024, 256, HannWindow], SampleRate -> 16000]根据图像数据重建 Audio 对象:
img = [image];data = ColorConvert[ImageRotate[img, -Pi / 2], "Grayscale"]//ImageData;InverseSpectrogram[img]//AudioSpectrogram[%, PlotRange -> All, AspectRatio -> 1]属性和关系 (1)
data = Table[Cos[( i/4) + ((i/20))^2], {i, 2000}];
Spectrogram[data]stft = SpectrogramArray[data];spectrogram = Abs[stft[[All, 1 ;; Floor[Last[Dimensions[stft]] / 2 + 1]]]];用 InverseSpectrogram 计算频谱的近似逆:
InverseSpectrogram[spectrogram]//Spectrogram文本
Wolfram Research (2019),InverseSpectrogram,Wolfram 语言函数,https://reference.wolfram.com/language/ref/InverseSpectrogram.html.
CMS
Wolfram 语言. 2019. "InverseSpectrogram." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/InverseSpectrogram.html.
APA
Wolfram 语言. (2019). InverseSpectrogram. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/InverseSpectrogram.html 年
BibTeX
@misc{reference.wolfram_2026_inversespectrogram, author="Wolfram Research", title="{InverseSpectrogram}", year="2019", howpublished="\url{https://reference.wolfram.com/language/ref/InverseSpectrogram.html}", note=[Accessed: 18-November-2026]}
BibLaTeX
@online{reference.wolfram_2026_inversespectrogram, organization={Wolfram Research}, title={InverseSpectrogram}, year={2019}, url={https://reference.wolfram.com/language/ref/InverseSpectrogram.html}, note=[Accessed: 18-November-2026]}