Python-執行FFT忽略MEMS麥克風的直流偏移

Question

我正在嘗試對wav文件執行FFT，結果效果很好，但是在我的繪圖中，我看到0 Hz時振幅很大。 我以為這是直流偏移。 我的目的是在我的繪圖中或直接在代碼中忽略此DC偏移，因為這會阻止我看到實際的噪聲。 在我的示例中，我記錄了一個大約6.1kHz的噪聲，如果我在那個點進行縮放，我可以清楚地看到它，但是由於0Hz振幅，通常無法觀察到它。 如果您告訴我如何忽略0Hz（或DC偏置），我會很高興的。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import print_function
import scipy.io.wavfile as wavfile
import scipy
import scipy.fftpack
import numpy as np
from matplotlib import pyplot as plt

fs_rate, signal = wavfile.read("file.wav")
print ("Frequency sampling", fs_rate)
l_audio = len(signal.shape)
print ("Channels", l_audio)
if l_audio == 2:
    signal = signal.sum(axis=1) / 2
N = signal.shape[0]
print ("Complete Samplings N", N)
secs = N / float(fs_rate)
print ("secs", secs)
Ts = 1.0/fs_rate # sampling interval in time
print ("Timestep between samples Ts", Ts)
t = scipy.arange(0, secs, Ts) # time vector as scipy arange field / numpy.ndarray
FFT = abs(scipy.fft(signal))
FFT_side = FFT[range(N/4)] # one side FFT range
freqs = scipy.fftpack.fftfreq(signal.size, t[1]-t[0])
fft_freqs = np.array(freqs)
freqs_side = freqs[range(N/4)] # one side frequency range
fft_freqs_side = np.array(freqs_side)

print (abs(FFT_side))

plt.subplot(211)
p1 = plt.plot(t, signal, "g") # plotting the signal
plt.xlabel('Time')
plt.ylabel('Amplitude')

plt.subplot(212)
p2 = plt.plot(freqs_side, abs(FFT_side), "b") # plotting the positive fft spectrum
plt.xlabel('Frequency (Hz)')
plt.ylabel('Count single-sided')
plt.show()

Answer 1

較大的偏移量通常表示信號預處理不正確。 常見的方法包括使用線性回歸對數據進行去線性化和去線性化。 這是一個例子

from matplotlib.pyplot import *

from numpy import *

dt = 1/1000
T  = 1
t  = arange(0, T, dt)

n = t.size
y = sin(pi * t * 3)   + 39  + 3 * t + random.rand(n)

from scipy import optimize
# subtract drift
lin = lambda x, a, b : a * x + b 
coeff, _ = optimize.curve_fit(lin,t, y)
dmy= y- coeff[0] * t + coeff[0]

# compute power
fy = abs(fft.fft(y))[:n//2] ** 2
fyn= abs(fft.fft(dmy - dmy.mean()))[:n//2] ** 2 # NB demeaned

freq= linspace(0, T / dt, n//2) # get freqs
fig, ax = subplots(2, sharex = 'all')
for axi, data, label in zip(ax, [fy,fyn], 'raw processed'.split()):
    axi.plot(freq, data)
    axi.set(xlim = (0, 10), title = label)
axi.set_xlabel('freq')
subplots_adjust(hspace = .5)