สเปกโทรแกรมคือการแสดงภาพสเปกตรัม ของ ความถี่ของสัญญาณที่เปลี่ยนแปลงไปตามเวลา เมื่อนำไปใช้กับสัญญาณเสียงสเปกโทรแกรมบางครั้งเรียกว่าโซโนกราฟวอยซ์พริ้นท์หรือวอยซ์แกรมเมื่อข้อมูลถูกแสดงในกราฟ 3 มิติ อาจเรียกว่าจอแสดงผลแบบน้ำตก (waterfall displays )

สเปกโตรแกรมถูกนำมาใช้อย่างกว้างขวางในสาขาดนตรีภาษาศาสตร์โซนาร์เรดาร์การประมวลผลเสียงพูด [ 1 ] ^{แผ่นดินไหววิทยาปักษี}วิทยาและอื่น ๆ สเปกโตรแกรม ของเสียงสามารถใช้เพื่อระบุคำพูดตามหลักสัทศาสตร์และเพื่อวิเคราะห์เสียงร้องต่างๆ ของสัตว์

สเปกโตรแกรมสามารถสร้างได้โดยใช้สเปกโตรมิเตอร์แบบออปติคอลชุดตัวกรองแบบแบนด์พาสการแปลงฟูริเยร์หรือการแปลงเวฟเล็ต (ในกรณีนี้เรียกว่าสเกลโลแกรมหรือสเกลโลแกรม ) ^{[ 2 ]}

โดยทั่วไปแล้ว สเปกโทรแกรมจะแสดงในรูปแบบแผนที่ความร้อนกล่าวคือ เป็นภาพที่แสดงความเข้มโดยการเปลี่ยนแปลงสีหรือความสว่าง

รูปแบบทั่วไปคือ กราฟที่มีสองมิติทางเรขาคณิต โดยแกนหนึ่งแสดงถึงเวลาและอีกแกนหนึ่งแสดงความถี่ ส่วนมิติที่สามซึ่งบ่งชี้ถึงแอมพลิจูดของความถี่เฉพาะ ณ เวลาใดเวลาหนึ่ง จะแสดงด้วยความเข้มหรือสีของแต่ละจุดในภาพ

รูปแบบของกราฟมีหลายแบบ บางครั้งแกนแนวตั้งและแนวนอนจะสลับกัน ทำให้เวลาวิ่งขึ้นและลง บางครั้งอาจเป็นกราฟแบบน้ำตกโดยที่แอมพลิจูดแสดงด้วยความสูงของพื้นผิวสามมิติแทนที่จะใช้สีหรือความเข้ม แกนความถี่และแอมพลิจูดอาจเป็นแบบเชิงเส้นหรือแบบลอการิทึม ขึ้นอยู่กับว่ากราฟนั้นใช้เพื่ออะไร โดยปกติแล้วเสียงจะแสดงด้วยแกนแอมพลิจูดแบบลอการิทึม (อาจอยู่ในหน่วยเดซิเบลหรือ dB) และความถี่จะเป็นแบบเชิงเส้นเพื่อเน้นความสัมพันธ์ทางฮาร์มอนิก หรือแบบลอการิทึมเพื่อเน้นความสัมพันธ์ทางดนตรีและโทนเสียง

สามารถสร้างสเปกโตรแกรมของแสงได้โดยตรงโดยใช้เครื่องสเปกโตรมิเตอร์แบบออปติคอลในช่วงเวลาต่างๆ

สเปกโตรแกรมสามารถสร้างขึ้นจาก สัญญาณ ในโดเมนเวลาได้สองวิธี: วิธีแรกคือการประมาณค่าโดยใช้ฟิลเตอร์แบงค์ที่ได้จากชุดของฟิลเตอร์แบบผ่านย่านความถี่ (ซึ่งเป็นวิธีเดียวที่มีอยู่ก่อนการพัฒนาการประมวลผลสัญญาณดิจิทัลสมัยใหม่) หรือวิธีที่สองคือการคำนวณจากสัญญาณเวลาโดยใช้การแปลงฟูริเยร์ทั้งสองวิธีนี้ให้ผลลัพธ์เป็นการแสดงความสัมพันธ์ระหว่างเวลาและความถี่ ที่แตกต่างกัน แต่มีความเทียบเท่ากันในบางเงื่อนไข

โดยทั่วไปแล้ว วิธีการกรองแบบแบนด์พาสจะใช้ การประมวลผล แบบอนาล็อกเพื่อแบ่งสัญญาณอินพุตออกเป็นแถบความถี่ ขนาดของเอาต์พุตของแต่ละตัวกรองจะควบคุมทรานสดิวเซอร์ที่บันทึกสเปกโตรแกรมเป็นภาพบนกระดาษ^{[ 3 ]}

การสร้างสเปกโตรแกรมโดยใช้ FFT เป็นกระบวนการดิจิทัล ข้อมูล ที่สุ่มตัวอย่างแบบดิจิทัลในโดเมนเวลาจะถูกแบ่งออกเป็นส่วนๆ ซึ่งมักจะทับซ้อนกัน และแปลงฟูริเยร์เพื่อคำนวณขนาดของสเปกตรัมความถี่สำหรับแต่ละส่วน จากนั้นแต่ละส่วนจะสอดคล้องกับเส้นแนวตั้งในภาพ ซึ่งเป็นการวัดขนาดเทียบกับความถี่ในช่วงเวลาหนึ่ง (จุดกึ่งกลางของส่วน) จากนั้นสเปกตรัมหรือกราฟเวลาเหล่านี้จะถูก "วางเคียงข้างกัน" เพื่อสร้างภาพหรือพื้นผิวสามมิติ^{[ 4 ]}หรือทับซ้อนกันเล็กน้อยในรูปแบบต่างๆ เช่นการใช้หน้าต่างกระบวนการนี้โดยพื้นฐานแล้วสอดคล้องกับการคำนวณขนาดกำลัง สอง ของการแปลงฟูริเยร์แบบ^ช่วงเวลาสั้น (STFT) ของสัญญาณ นั่นคือ สำหรับความกว้าง ของหน้าต่าง[ ^{5 ]}${\displaystyle s(t)}$${\displaystyle \omega }$${\displaystyle \mathrm {spectrogram} (t,\omega )=\left|\mathrm {STFT} (t,\omega )\right|^{2}}$

จากสูตรข้างต้น ดูเหมือนว่าสเปกโตรแกรมจะไม่มีข้อมูลเกี่ยวกับเฟสที่แน่นอน หรือแม้แต่เฟส โดยประมาณ ของสัญญาณที่แสดง ด้วยเหตุนี้ จึงไม่สามารถย้อนกระบวนการและสร้างสำเนาของสัญญาณดั้งเดิมจากสเปกโตรแกรมได้ แม้ว่าในสถานการณ์ที่เฟสเริ่มต้นที่แน่นอนไม่สำคัญ อาจสามารถสร้างค่าประมาณที่เป็นประโยชน์ของสัญญาณดั้งเดิมได้ โปรแกรม Analysis & Resynthesis Sound Spectrograph ^{[ 6 ]}เป็นตัวอย่างของโปรแกรมคอมพิวเตอร์ที่พยายามทำเช่นนี้การเล่นรูปแบบเป็นเครื่องสังเคราะห์เสียงพูดรุ่นแรกๆ ที่ออกแบบที่Haskins Laboratoriesในช่วงปลายทศวรรษ 1940 ซึ่งแปลงภาพของรูปแบบเสียงพูด (สเปกโตรแกรม) กลับเป็นเสียง

ในความเป็นจริง มีข้อมูลเฟสบางส่วนในสเปกโตรแกรม แต่ปรากฏในรูปแบบอื่น เช่น การหน่วงเวลา (หรือการหน่วงเวลากลุ่ม ) ซึ่งเป็นค่าคู่ของความถี่ทันที^{[ 7 ]}

ขนาดและรูปร่างของหน้าต่างการวิเคราะห์สามารถเปลี่ยนแปลงได้ หน้าต่างที่เล็กกว่า (สั้นกว่า) จะให้ผลลัพธ์ที่แม่นยำกว่าในเรื่องการจับเวลา แต่จะลดความแม่นยำในการแสดงความถี่ลง หน้าต่างที่ใหญ่กว่า (ยาวกว่า) จะให้การแสดงความถี่ที่แม่นยำกว่า แต่จะลดความแม่นยำในการแสดงเวลาลง นี่เป็นตัวอย่างของหลักการความไม่แน่นอนของไฮเซนเบิร์กซึ่งผลคูณของความแม่นยำในตัวแปรคู่ควบ สองตัว มีค่ามากกว่าหรือเท่ากับค่าคงที่ (B*T>=1 ในสัญลักษณ์ปกติ) ^{[ 8 ]}

• สเปกโตรแกรมแบบอนาล็อกในยุคแรกถูกนำไปใช้ในหลากหลายสาขา รวมถึงการศึกษาเสียงร้องของนก (เช่น เสียงร้องของนกติ๊ดใหญ่ ) โดยงานวิจัยในปัจจุบันยังคงดำเนินต่อไปโดยใช้อุปกรณ์ดิจิทัลที่ทันสมัย^{​​[ 9 ]}และนำไปใช้กับเสียงสัตว์ทุกชนิด การใช้สเปกโตรแกรมแบบดิจิทัลในปัจจุบันมีประโยชน์อย่างยิ่งสำหรับการศึกษาการมอดูเลชั่นความถี่ (FM) ในเสียงร้องของสัตว์ โดยเฉพาะอย่างยิ่ง ลักษณะเด่นของเสียงร้องแบบ FM เสียงคลิก แบบบรอดแบนด์ และการประสานเสียงทางสังคม สามารถมองเห็นได้ง่ายที่สุดด้วยสเปกโตรแกรม
• สเปกโตรแกรมมีประโยชน์ในการช่วยเอาชนะความบกพร่องในการพูดและการฝึกพูดสำหรับประชากรกลุ่มที่หูหนวกสนิท^{[ 10 ]}
• การศึกษาด้านสัทศาสตร์และการสังเคราะห์เสียงมักได้รับการอำนวยความสะดวกโดยการใช้สเปกโตรแกรม^{[ 11 ] [ 12 ]}
• ในการสังเคราะห์เสียงพูดโดยใช้การเรียนรู้เชิงลึก สเปกโทรแกรม (หรือสเปกโทรแกรมในมาตราส่วนเมล ) จะถูกทำนายโดยแบบจำลอง seq2seq ก่อน จากนั้นสเปกโทรแกรมจะถูกป้อนไปยังตัวเข้ารหัสเสียงแบบโครงข่ายประสาทเทียมเพื่อสร้างรูปคลื่นดิบที่สังเคราะห์ขึ้น
• โดยการย้อนกลับกระบวนการสร้างสเปกโตรแกรม สามารถสร้างสัญญาณที่มีสเปกโตรแกรมเป็นภาพใดๆ ก็ได้ เทคนิคนี้สามารถใช้เพื่อซ่อนภาพในไฟล์เสียง และศิลปินเพลงอิเล็กทรอนิกส์ หลายคนได้นำไปใช้ ^{[ 13 ]}ดูเพิ่มเติมที่ สเตกาโนกราฟี
• ดนตรีสมัยใหม่บางประเภทสร้างขึ้นโดยใช้สเปกโตรแกรมเป็นสื่อกลาง โดยการเปลี่ยนแปลงความเข้มของความถี่ต่างๆ ตามเวลา หรือแม้กระทั่งสร้างความถี่ใหม่ โดยการวาดสเปกโตรแกรมแล้วแปลงกลับ ดูตัวอย่างได้ที่การปรับเปลี่ยนระดับเสียงตามช่วงเวลาของเสียงและโวโคเดอร์เฟส
• สามารถใช้สเปกโตรแกรมเพื่อวิเคราะห์ผลลัพธ์ของการส่งสัญญาณทดสอบผ่านตัวประมวลผลสัญญาณ เช่น ตัวกรอง เพื่อตรวจสอบประสิทธิภาพ^{[ 14 ]}
• สเปกโตรแกรมความละเอียดสูงใช้ในการพัฒนาระบบ RF และไมโครเวฟ^{[ 15 ]}
• ขณะนี้มีการใช้สเปกโตรแกรมเพื่อแสดงพารามิเตอร์การกระเจิงที่วัดด้วยเครื่องวิเคราะห์เครือข่ายเวกเตอร์^{[ 16 ]}
• สำนักงานสำรวจทางธรณีวิทยาแห่งสหรัฐอเมริกาและกลุ่ม IRISให้บริการแสดงสเปกโตรแกรมแบบเรียลไทม์สำหรับการตรวจสอบสถานีแผ่นดินไหว^{[ 17 ] [ 18 ]}
• สามารถใช้สเปกโตรแกรมร่วมกับโครงข่ายประสาทแบบวนซ้ำเพื่อการจดจำเสียงพูดได้^{[ 19 ] [ 20 ]}
• สำหรับสัญญาณการสั่นสะเทือน มาตราส่วนสีของสเปกโตรแกรมจะระบุความถี่ของยอดแอมพลิจูดของรูปคลื่นเมื่อเวลาผ่านไป แตกต่างจากกราฟเวลาหรือความถี่ สเปกโตรแกรมจะเชื่อมโยงค่าสูงสุดกับเวลาและความถี่ วิศวกรทดสอบการสั่นสะเทือนใช้สเปกโตรแกรมเพื่อวิเคราะห์เนื้อหาความถี่ของรูปคลื่นต่อเนื่อง ค้นหาสัญญาณที่แรง และพิจารณาว่าพฤติกรรมการสั่นสะเทือนเปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไป^{[ 21 ]}
• สามารถใช้สเปกโตรแกรมในการวิเคราะห์คำพูดในสองแอปพลิเคชันที่แตกต่างกัน ได้แก่ การตรวจจับความบกพร่องในการพูดโดยอัตโนมัติในผู้ใช้ประสาทหูเทียม และการจดจำคลาสโฟนีมเพื่อแยกคุณลักษณะโฟนี^{[ 22 ]}
• เพื่อให้ได้ลักษณะการออกเสียงของผู้พูด นักวิจัยบางคนเสนอวิธีการโดยอิงจากแนวคิดจากไบโอนิกส์ ซึ่งใช้สถิติสเปกโตรแกรมเพื่อให้ได้สเปกโตรแกรมลักษณะเฉพาะเพื่อให้ได้การแสดงการออกเสียงของผู้พูดที่เสถียรจากการซ้อนทับเชิงเส้นของสเปกโตรแกรมช่วงเวลาสั้นๆ^{[ 23 ]}
• นักวิจัยสำรวจแนวทางใหม่ในการวิเคราะห์สัญญาณ ECG โดยใช้เทคนิคสเปกโตรแกรม ซึ่งอาจช่วยให้มองเห็นและเข้าใจได้ดียิ่งขึ้น การบูรณาการ MFCC สำหรับการสกัดคุณลักษณะชี้ให้เห็นถึงการประยุกต์ใช้ข้ามสาขาวิชา โดยยืมวิธีการจากการประมวลผลเสียงเพื่อสกัดข้อมูลที่เกี่ยวข้องจากสัญญาณชีวการแพทย์^{[ 24 ]}
• การตีความสีแสดงอุณหภูมิ (TIP) ที่แม่นยำมีความสำคัญอย่างยิ่งในด้านการบินและการใช้งานทางอุตสาหกรรมอื่นๆ สามารถใช้สเปกโตรแกรม 2 มิติของ TIP ในการตีความอุณหภูมิได้^{[ 25 ]}
• สเปกโตรแกรมสามารถใช้ประมวลผลสัญญาณอัตราการเปลี่ยนแปลงของทรวงอกมนุษย์ได้ โดยการแสดงภาพสัญญาณการหายใจโดยใช้สเปกโตรแกรม นักวิจัยได้เสนอแนวทางในการจำแนกสถานะการหายใจโดยใช้แบบจำลองเครือข่ายประสาท^{[ 26 ]}

วิกิมีเดียคอมมอนส์มีสื่อที่เกี่ยวข้องกับสเปกโตรแกรม

ลองค้นหาคำว่า spectrogramใน Wiktionary ซึ่งเป็นพจนานุกรมออนไลน์ฟรี

• ดูสเปกโตรแกรมออนไลน์ของเสียงพูดหรือเสียงอื่นๆ ที่บันทึกโดยไมโครโฟนของคอมพิวเตอร์ของคุณ
• การสร้างลำดับเสียงที่มีสเปกโทรแกรมตรงกับข้อความใดๆ ทางออนไลน์
• ข้อมูลเพิ่มเติมเกี่ยวกับการสร้างสัญญาณที่มีสเปกโตรแกรมเป็นภาพใดๆ ก็ได้
• บทความที่อธิบายถึงการพัฒนาซอฟต์แวร์สเปกโตรแกรม
• ประวัติความเป็นมาของสเปกโตรแกรมและการพัฒนาเครื่องมือวัด
• วิธีระบุคำในสเปกโตรแกรม จาก สิ่งพิมพ์Monthly Mystery Spectrogramของศาสตราจารย์ด้านภาษาศาสตร์
• Sonogram Visible Speech เป็นซอฟต์แวร์ฟรีที่ได้รับอนุญาตภายใต้ GPL สำหรับการสร้างไฟล์สัญญาณสเปกโตรแกรม