Python FFT 音频文件

Question

我正在尝试从 wav 文件绘制幅度频谱，文件的采样率为 44.1KHz，我只想计算前 100 个样本的 FFT，为此我使用的是np.fft.fft()但是我得到了意想不到的结果，请参见图 1。

当我计算至少 2048 个样本的 FFT 时，我只会得到预期的结果。 为什么？

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt

def normalizeAudio(data):
    return np.float32((data / max(data)))

SAMPLE_FOR = 1 # in seconds
samplerate, data = scipy.io.wavfile.read(r'Recording.wav')
data = normalizeAudio(data[0:int(samplerate*SAMPLE_FOR)])


fft_out = np.fft.fft(data[0:100])
freq_vector = np.arange(0, 44100, 44100 / 100)
plt.plot(freq_vector, np.abs(fft_out))
plt.show()

Answer 1

看看librosa ，它是一个非常好的 Python 音频分析库，包括色谱图、频谱图、敲击图和其他很酷的东西。

关于堆栈溢出的示例和其他很多内容都有很好的记录，所以我不会在这里复制它们。

此外，我见过的大多数应用程序都倾向于使用 STFT，短期傅立叶变换（又名 DFT，离散傅立叶变换）。 这仍然比普通 FFT 快得多，并且对于建模和控制输入形状的事情更有用，并且还消除了使用 FFT 可以获得的大量噪声，因为它需要窗口而不是瞬时变化。