[Matlab/Ocyave] Spectrogram overlap 需要多少? 一個解決out of memory的方法

處理聲音訊號時，若要繪製聲紋圖，最煩的就是遇到out of menory這件事情。以前我使用32bit的版本，只要是20秒以上的聲音訊號，我都沒有辦法畫出聲紋來，非常困擾。當時查到一些資料說32位元記憶體使用量太少，可以使用64為原版本以避免記憶體不足，於是我就換成64位元的了。最近因為有一些需求，需要繪製超過100秒的聲音聲紋圖，但...我以前的畫法就只能允許我畫約60秒而已，我又再次的頭大了。再次探討如何不要發生out of memory這件事情。
今天來看看我為何會一直發生記憶體不足的事情吧!!

先跑一下500秒的音訊圖看看。(上為Matlab，下為Octave，因為忘記存出音訊讓cotave讀，就刪掉變數了，所以圖就不一樣啦，且錄音錄8分多鐘太久了...所以我隨便錄25秒，然後將矩陣加到300秒XD)

Octave 竟然跑500會睡著= =，根本沒有在動，所以畫300秒就好，還滿快的

spectrogram(X,WINDOW,NOVERLAP,F,Fs)

X→音訊的矩陣，矩陣越大越容易記憶體不足
WINDOW→我通常使用1024
NOVERLAP→覆蓋率越高圖越漂亮，平時都使用1000
F→平時使用[]
Fs→我的音訊檔都是48000

這樣的程式碼看起來記憶體爆表主因就是你的聲音檔案，但我現在沒有辦法更動X來達到記憶體足夠的情況。但我看別人的程式碼卻都可以畫出100秒的聲紋圖，為何我辦不到呢?在他的程式碼中我來來回回找了幾次都沒有發現原因何在，但今天卻發現了一件事情，就是NOVERLAP我的覆蓋率是97%，而他使用的只有55%，這是最主要的癥結點。

來看一下聲紋圖overlap不同時，資料量的差別到底有多少

fs=48000;
x=wavrecord(5*fs,fs); %錄製五秒的聲音，取樣頻率為48000，請盡情地大叫，會幫你錄音
[s1000]=spectrogram(x,1024,1000,[],fs);
[s512]=spectrogram(x,1024,512,[],fs);
[s128]=spectrogram(x,1024,128,[],fs);

>> whos
  Name            Size                 Bytes  Class     Attributes
  fs              1x1                      8  double            
  s1000         513x9958            81735264  double    complex
  s128          513x267              2191536  double    complex
  s512          513x467              3833136  double    complex
  x          240000x1                1920000  double              

這邊可以發現聲音訊號的資料量在spectrogram中，差異可以達到37倍之多(s1000與s128相較)

subplot(311),spectrogram(x,1024,1000,[],fs,'yaxis');
subplot(312),spectrogram(x,1024,512,[],fs,'yaxis');
subplot(313),spectrogram(x,1024,128,[],fs,'yaxis');

我稍微調一下xlim ylim後呈現的結果

現在我們可以發現做圖時，這些設定對於5秒的音訊而言，其聲紋圖的影響並非嚴重，但1000的overpal還是看起來較舒服，再來看看0.5秒區間的差別吧。

此時終於清楚的發現128的overlap是如此的不堪，但今天我們畫不出來、會out of memory的不是0.5秒的音訊，而是500秒的音訊，而不同的overlap只有時間維度有差別，音訊當時間很長時，這樣的差別我們卻看不出來，那麼，為何我們需要用到97%的音訊重複率呢?

於是我重新更正了程式碼，以避免記憶體爆表的事情

fs=48000;
x=wavrecord(500*fs,fs); %這次來個500秒挑戰看看吧，請唱一下情歌吧
t=(0:length(x)-1)/fs;

if max(t)>225
    overlap=1024*0.25; %實際上不用這樣寫，這裡只是強調覆蓋率是25%
elseif max(t)>12
    overlap=floor(1024*(1-max(t)/300)); %計算覆蓋率，使音訊長度越長覆蓋率越低，反之越高
else
    overlap=floor(1024*0.97);% 97%覆蓋率，floor為無條件捨去至整數
end

spectrogram(x,1024,overlap,[],fs,'yaxis');

成果就是網誌的第一張圖囉~
執行後記憶體使用狀態如下，並未爆表

>> memory
Maximum possible array:        7064 MB (7.407e+09 bytes) *
Memory available for all arrays:        7064 MB (7.407e+09 bytes) *
Memory used by MATLAB:        2648 MB (2.777e+09 bytes)
Physical Memory (RAM):        7650 MB (8.022e+09 bytes)

這樣可以看到覆蓋率對應圖如下，相信這樣的方式畫300秒聲紋圖將不會是問題，秒數再多也會密到看不到要看的資訊了吧!!(如前兩張圖根本沒有甚麼好看的，資料太密了...)