这是我想要做的事情：我想在一个.wav文件中每1毫秒找到音频频率和振幅，并将其保存到文件中。我已经绘制了频率与振幅的图形，也绘制了随时间变化的振幅图形，但我无法解决随时间变化的频率问题。我的最终目标是能够读取该文件并使用振幅来调整变量，使用频率来触发哪些变量正在被使用，这似乎是容易的部分。我一直在使用numpy、audiolab、matplotlib等工具，使用FFT算法，但我就是无法解决这个问题，非常需要帮助！谢谢！
Python寻找音频的频率和振幅随时间变化的方法
6
- Taylor
2
2一个声音文件在任何给定的时间都不只有一个“频率”，除非它只是一个纯正弦波音调的录音。你可能需要做的是定期捕获功率谱并存储它，或者可能对功率谱进行某种处理，例如识别最大的N个峰值并将其存储。 - Paul R
https://dev59.com/IXRB5IYBdhLWcg3wgHar - sylvanaar
1个回答
7
使用重叠窗口的STFT来估算频谱图。为了避免自己麻烦，您可以使用Matplotlib的mlab的specgram方法。重要的是使用足够小的窗口使音频近似静止，并且缓冲区大小应该是2的幂以有效地使用常见的基数2 fft。512个样本（在48 ksps下约10.67毫秒；或每个bin 93.75 Hz）应该足够。对于48 ksps的采样率，重叠464个样本以在每1毫秒（即移位48个样本）评估滑动窗口。
编辑：
这是一个例子，使用mlab.specgram处理一个8秒的信号，其中每秒有1个音调从2kHz到16kHz。请注意瞬态响应。我已经在第4秒放大显示了响应的更多细节。频率在精确的第4秒发生变化，但需要一个缓冲区长度（512个样本; 约+/-5毫秒）才能通过瞬态。这说明了非平稳过渡通过缓冲区时产生的一种谱/时间模糊。此外，即使信号是平稳的，也存在由于对数据进行窗口处理而导致的谱泄漏问题。使用Hamming 窗函数来最小化泄漏的旁瓣，但这也会加宽主瓣。
import numpy as np
from matplotlib import mlab, pyplot
#Python 2.x:
#from __future__ import division
Fs = 48000
N = 512
f = np.arange(1, 9) * 2000
t = np.arange(8 * Fs) / Fs
x = np.empty(t.shape)
for i in range(8):
x[i*Fs:(i+1)*Fs] = np.cos(2*np.pi * f[i] * t[i*Fs:(i+1)*Fs])
w = np.hamming(N)
ov = N - Fs // 1000 # e.g. 512 - 48000 // 1000 == 464
Pxx, freqs, bins = mlab.specgram(x, NFFT=N, Fs=Fs, window=w,
noverlap=ov)
#plot the spectrogram in dB
Pxx_dB = np.log10(Pxx)
pyplot.subplots_adjust(hspace=0.4)
pyplot.subplot(211)
ex1 = bins[0], bins[-1], freqs[0], freqs[-1]
pyplot.imshow(np.flipud(Pxx_dB), extent=ex1)
pyplot.axis('auto')
pyplot.axis(ex1)
pyplot.xlabel('time (s)')
pyplot.ylabel('freq (Hz)')
#zoom in at t=4s to show transient
pyplot.subplot(212)
n1, n2 = int(3.991/8*len(bins)), int(4.009/8*len(bins))
ex2 = bins[n1], bins[n2], freqs[0], freqs[-1]
pyplot.imshow(np.flipud(Pxx_dB[:,n1:n2]), extent=ex2)
pyplot.axis('auto')
pyplot.axis(ex2)
pyplot.xlabel('time (s)')
pyplot.ylabel('freq (Hz)')
pyplot.show()
- Eryk Sun
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接