从声音文件中检测频率

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。我知道很多程序都会给出值的可视化图表（频谱图），但我需要原始数据。我知道这可以通过 FFT 来完成，并且应该可以很容易地用 python 编写脚本，但不确定如何准确地做到这一点。 因此，假设文件中的信号长度为 0.4 秒，那么我希望进行多次测量，为程序测量的每个时间点提供一个数组形式的输出以及它找到的值（频率）（也可能还有功率（dB））。复杂的是，我想分析鸟鸣声，它们经常有谐波或信号超过一定频率范围（例如1000-2000 Hz）。我希望程序也输出这些信息，因为这对于我想要对数据进行的分析很重要:)

现在有一段代码看起来非常像我想要的，但我认为它并不给我我想要的所有值....（感谢 Justin Peel 将其发布到另一个问题:)）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专家可以帮我解决这个问题吗？

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

我不确定这是否是您想要的，如果您只想要 FFT：

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

我认为你需要做的是短时傅里叶变换（STFT）。基本上，您会执行多个部分重叠的 FFT，并将每个时间点的它们加在一起。然后你会找到每个时间点的峰值。我自己没有这样做过，但我过去研究过一些，这绝对是前进的方向。

此处和此处。