如何从.wav文件中提取特定的频率范围？

Question

我是一位新手，对声音处理非常陌生，所以我的问题可能很简单。 我想做的是使用 R 从 WAV 文件中提取特定的频率范围（比如 150-400 Hz）。换句话说，我想创建另一个仅包含我指定频率组件（150 到 400 Hz 或其他）的 wave 文件（wave2）。

我在网上看到了一些资料，发现可以通过 FFT 分析来实现这个目的，��问题随之而来。

假设我有以下代码：

library(sound)
s1 <- Sine(440, 1)
s2 <- Sine(880, 1)
s3 <- s1 + s2

s3.s <- as.vector(s3$sound)
  # s3.s is now a vector, with length 44100; 
  # bitrate is 44100 (by default)
  # so total time of s3 is 1sec.

  # now I calculate frequencies
N <- length(s3.s)   # 44100
k <- c(0:(N-1))
Fs <- 44100         # sampling rate
T <- N / Fs
freq <- k / T
x <- fft(s3.s) / N

plot(freq[1:22050], x[1:22050], type="l") # we need just the first half of FFT computation

我们得到的图形如下：

好的，有两个峰值。如果我们想知道它们对应的频率是多少，只需要找出：

order(Mod(x)[1:22050], decreasing=T)[1:10]
[1] 441 881 882 880 883 442 440 879 884 878

前两个值与我用来创建声音的频率非常接近：

        real     computed
 Freq1: 440   |  441 
 Freq2: 880   |  881 

所以，现在问题来了：如果我想从声音中删除频率范围内的频率，比如说(1, 500)怎么办？如何选择（并保存）只有范围(1, 500)的部分？ 我的期望是，我的新声音（删除了频率）会接近于简单的Sine(freq=880, duration=1)（我知道，它不可能完全像这样！）。 这种可能吗？

我相当确定fft(DATA, inverse = TRUE)是我需要的。但我不确定，并且不知道该如何继续。

- Tommaso

Answer 1

如果您不想编程，可以使用 Praat。

Praat是一款免费的科学软件程序，用于语音语音学分析。您还可以使用它来编辑任何声音的频谱（删除频率等），然后将结果导出为新的声音文件。

- user1493046

Answer 2

也许我理解有误，但您已经得到了答案，对吗？从您的帖子中可以看出：

order(Mod(x)[1:22050], decreasing=T)[1:10]
[1] 441 881 882 880 883 442 440 879 884 878 

只需收集所有大于500的值：

junk <- order(Mod(x)[1:22050], decreasing=T)[1:10]
(junk1 <- junk[junk > 500])
[1] 881 882 880 883 879 884 878

生成新信号只需重复构建原始信号的步骤：

junk2 <- Sine(0, 1)    
for (i in 1:length(junk1)) {     
    junk2 <- junk2 + Sine(junk1[i], 1)    
}    
junk2.s <- as.vector(junk2$sound)    

保持值在500以下：

(junk3 <- junk[junk <= 500])
[1] 441 442 440

- bill_080

---

哎呀，这也太简单了吧XD 感谢您的回答！只是一个快速的问题，可能会成为我下一个官方问题：结果声音很糟糕，不完全是我想要的。您知道如何改进fft分析吗？有更好的方法来提取频率吗？ - Tommaso

@Tommaso；我认为“不好听”的声音是由于多个频率造成的。从你的程序中，尝试以下操作：play(s1) play(s2) 和 play(s3)。正是频率的混合导致了“不好听”的声音。也许你可以选择一个范围内的中间/中位数频率，而不是提取一系列频率。 - bill_080

@Tommaso；糟糕，时间不够了...选择中位数频率可以通过(junk1 <- median(junk[junk > 500]))来完成。 - bill_080

@Tommaso；在调试play()函数时，我发现了一些奇怪的结果。长话短说，尝试使用play(s3)和play(s3/2)。s3由两个频率组成。如果你建立了Z个频率，请将其除以Z来播放。 - bill_080

我得出了和你一样的结论。问题在于将输出缩放到（-1,1）范围内。这可以通过库sound的normalize函数来完成。在FFT分析后，我尝试重建原始声音。绘制plot(normalize(s3[1:600]))和plot(normalize(junk4[1:600]+junk2[1:600]))（junk2包含频率> 500，junk4频率< 500），将向您展示一个相当不错的结果（尽管我必须找到更好的近似值）。谢谢你的帮助，贝尔！ - Tommaso

Answer 3

看看CRAN上的“signal”包，那里应该有一个滤波函数可以做到。

- Stan