编程音乐频谱可以通过以下步骤实现：
音频信号采样
使用ADC（模数转换器）对模拟音频信号进行采样，将其转换为数字信号。采样频率通常设置为信号频率的两倍或以上，例如，音频信号的最高频率约为20KHz，采样频率可以设置为40KHz。
傅立叶变换（FFT）
将采样得到的数字信号进行FFT变换，将时域信号转换为频域信号。FFT运算后，通常会获得一系列频率分量及其对应的幅值。
频谱显示
根据FFT结果，提取特定频率范围的幅值，并进行量化显示。这些幅值可以用来驱动LED点阵或其他显示设备，以点亮相应的LED灯。
```python
import matplotlib.pyplot as plt
import librosa
加载音乐文件
audio_path = 'Fenn.mp3'
music, sr = librosa.load（audio_path）
绘制频谱图
plt.figure（figsize=（14, 5））
librosa.display.waveplot（music, sr=sr）
plt.show（）
```
如果你想要更详细地分析频谱，可以使用Pydub库对频谱进行切割，以获得更精细的视图：
```python
from pydub import AudioSegment
import numpy as np
切割频谱到0到1秒的区段
segment = AudioSegment.from_mp3（audio_path, frame_rate=sr, duration=1）
fft_result = np.fft.fft（segment.get_array_of_samples（））
计算频谱的幅度
amplitude = np.abs（fft_result）
绘制频谱图
plt.figure（figsize=（14, 5））
plt.plot（amplitude）
plt.show（）
```
这些代码示例展示了如何使用Python和相关库来编程实现音乐频谱的显示和分析。你可以根据自己的需求调整参数和代码，以获得更满意的结果。