scipy.io fft和ifft的問題

Question

我正在嘗試將機器學習算法應用於原始音頻。 我的訓練將針對音頻信號的傅立葉系數。 我試圖獲取這些並應用ifft來恢復音頻，但是它與我的實現不兼容，這是：

fs, data = wavfile.read('dataset piano/wav/music (1).wav')
Te = 0.25
T = 40

a = data.T[0] #retrieve first channel
#put the information in a matrix, one row will contain the fourier coefficients of 0.25s of music.
#The whole matrix, which has 40 rows will contain information of 10s of the wav file.
X = np.array([fft(a[int(i*fs*Te):int((i+1)*fs*Te)]) for i in range(T)])
Z = ifft(X.flatten())
Z = Z.astype(data.dtype)

wavfile.write('test3.wav',fs,Z)

通常，它應該播放wav文件的前10個，但不會，而且我真的不明白為什么。 我得到的只是高音。 我正在使用scipy的fft和ifft。

Answer 1

你很親近 只是改變

Z = ifft(X.flatten())

至

Z = ifft(X).flatten()

您正在做的是對光譜的串聯進行傅立葉逆變換，這實際上沒有任何意義。 我想您想做的是在光譜上串聯傅里葉逆變換。 這就是我所做的，並設法重新構造了聽起來不錯的信號。

ifft(X)將沿最后一個維度（在您的情況下為頻譜維度）在每個數組上運行IFFT，並返回相同形狀的數組（40，11025）。 然后展平將連接每一行，發出一個明智的信號。