频谱图是信号中频率分量的图形时间滚动表示。有时它被称为“瀑布”，因为它是实时计算和绘制的。这背后的核心数学是 FFT。

频谱图通常显示信号（例如 DC 到 20kHz）中一系列频率分量的强度（或幅度）。FFT 有一个复数输出，每个输入块对应一个值块。这些复数的大小可能（以某种方式）存储在“频谱图”文件中，而相位存储在“相位”文件中。

从频谱图重建原始信号的技巧是反转频谱，其背后的数学是 IFFT。

您将需要文件中的幅度和相位数据来重新创建复频谱，然后将其应用于 IFFT 以获取时域信号。

你将不得不找出

• 应用了什么数学来计算频谱图：FFT 块大小、任何对数刻度 (dB?)、任何窗口、任何子采样等......以及数据在文件中的格式和组织方式。
• 如何计算和存储相位（块大小、度/弧度、数字格式等...）

正如评论者指出的那样，您必须从创建文件的人那里找到所有这些详细信息。但请注意，即使那样，也可能无法重新创建原始信号。

在这种情况下，如果您可以指定如何使用不同的参数（无窗口、无子采样等）生成频谱图，然后（重新）生成这些文件，您可能会有机会。

祝你好运。由于这有点像取证，因此您将需要它。

一般而言，您可以将幅度和相位转换为复数。请参阅此参考。完成后，您可以使用逆离散傅里叶变换来尝试恢复音频。

您没有指明天气，或者您不知道这些文件是如何制作的，因此无法保证应用这种直接方法会奏效。在没有此类信息的情况下，尝试无需任何费用。

我希望这有帮助。

频谱图通常是真实信号的过度完整和复杂的表示。过度完成意味着您获得的“独立”复数系数比信号中的样本多。这种冗余的背景告诉我们，有不同的方法可以从频谱图幅度和相位信息中重建信号。

让我们假设窗口的长度是偶数。真实信号的频谱图应由复数样本帧中的每一个组成。为了保留长度为的信号的所有信息，我们应该有$2\kappa$$N_\kappa$$2\kappa$$N$$N\le 2\kappa \times N_\kappa$

使用 Hermitian 对称性，这可以缩小到幅度和相位信息。通常，第一个和最后一个系数应该是实数。在那里，您可以检查幅度/相位文件的大小是否合适。换句话说，如果可以在相位文件中发现零值相位，您将获得有关如何获得频谱图的提示（窗口长度和重叠）。重叠通常为 50%、75% 或 25%。另一个检查原始信号大小的线索。$(\kappa+1) \times N_\kappa$

一旦有了窗口长度（可能在二进制文件的标题中），您就可以揭示原始信号被分块成重叠部分的方式。

但是您仍然不知道如何对样本进行加权，例如您必须反转的重叠窗口的形状。好消息：

• 首先：使用 Hamming 或 Hann 窗是非常传统的。因此，如果您没有关于窗口形状的信息，它们是安全的选择。
• 第二：过完备，有许多潜在的忠实逆。因此，即使您不知道确切的窗口形状，也可以进行猜测，过完备或冗余的复系数可以相互补偿以恢复美观的信号。
• 第三：尽可能多的逆可能，人们可以寻求具有完美信号或噪声去除的优化逆。无耻的参考？当然： 合成过采样复杂滤波器组的优化