Question

我想要实现的目标如下：我需要声音文件（.wav）的频率值进行分析。我知道很多程序会给出值的可视图（谱图），但我需要原始数据。我知道这可以通过FFT完成，并且应该在python中相当容易编写脚本但不确定如何完全执行它。因此，假设文件中的信号长度为.4s，那么我希望多次测量，为程序测量的每个时间点以及它找到的值（频率）（以及可能的功率（dB））提供输出作为数组。复杂的是我想要分析鸟歌，并且它们通常具有谐波或者信号在一定频率范围内（例如1000-2000Hz）。我希望程序也能输出这些信息，因为这对于我想对数据进行分析非常重要：）

现在有一段看起来非常像我想要的代码，但我认为它并没有给我所有我想要的价值......（感谢Justin Peel将这个问题发布到另一个问题:)）所以我认为我需要numpy和pyaudio但不幸的是我不熟悉python所以我希望Python专家可以帮助我吗？

源代码：

# Read in a WAV and find the freq's
import pyaudio
import wave
import numpy as np

chunk = 2048

# open up a wave
wf = wave.open('test-tones/440hz.wav', 'rb')
swidth = wf.getsampwidth()
RATE = wf.getframerate()
# use a Blackman window
window = np.blackman(chunk)
# open stream
p = pyaudio.PyAudio()
stream = p.open(format =
                p.get_format_from_width(wf.getsampwidth()),
                channels = wf.getnchannels(),
                rate = RATE,
                output = True)

# read some data
data = wf.readframes(chunk)
# play stream and find the frequency of each chunk
while len(data) == chunk*swidth:
    # write data out to the audio stream
    stream.write(data)
    # unpack the data and times by the hamming window
    indata = np.array(wave.struct.unpack("%dh"%(len(data)/swidth),\
                                         data))*window
    # Take the fft and square each value
    fftData=abs(np.fft.rfft(indata))**2
    # find the maximum
    which = fftData[1:].argmax() + 1
    # use quadratic interpolation around the max
    if which != len(fftData)-1:
        y0,y1,y2 = np.log(fftData[which-1:which+2:])
        x1 = (y2 - y0) * .5 / (2 * y1 - y2 - y0)
        # find the frequency and output it
        thefreq = (which+x1)*RATE/chunk
        print "The freq is %f Hz." % (thefreq)
    else:
        thefreq = which*RATE/chunk
        print "The freq is %f Hz." % (thefreq)
    # read some more data
    data = wf.readframes(chunk)
if data:
    stream.write(data)
stream.close()
p.terminate()

Answer 1

如果您只想要FFT，我不确定这是否是您想要的：

import scikits.audiolab, scipy
x, fs, nbits = scikits.audiolab.wavread(filename)
X = scipy.fft(x)

如果您想要幅度响应：

import pylab
Xdb = 20*scipy.log10(scipy.absolute(X))
f = scipy.linspace(0, fs, len(Xdb))
pylab.plot(f, Xdb)
pylab.show()

Answer 2

我认为您需要做的是Short-time Fourier Transform（STFT）。基本上，您可以执行多个部分重叠的FFT，并将它们一起添加到每个时间点。然后你会找到每个时间点的峰值。我自己没有这样做，但过去我已经对它进行了一些研究，这绝对是前进的方法。

有一些Python代码可以执行STFT here和here。

从声音文件中检测频率

2 个答案: