從PyAudio接收的數據的FFT給出了錯誤的頻率

Question

我的主要任務是實時識別人從麥克風發出的嗡嗡聲。 一般來說，作為識別信號的第一步，我記錄了從手機上的應用程序生成的440 Hz信號的5秒鍾，並嘗試檢測相同的頻率。

我使用Audacity從同一440Hz wav文件繪制並驗證了頻譜，我得到了這一結果，這表明440Hz確實是主要頻率：（ https://i.imgur.com/2UImEkR.png ）

為此，我使用PyAudio庫並參考此博客 。 到目前為止，我使用wav文件運行的代碼是：

"""PyAudio Example: Play a WAVE file."""

import pyaudio
import wave
import sys
import struct
import numpy as np
import matplotlib.pyplot as plt

CHUNK = 1024

if len(sys.argv) < 2:
    print("Plays a wave file.\n\nUsage: %s filename.wav" % sys.argv[0])
    sys.exit(-1)

wf = wave.open(sys.argv[1], 'rb')

p = pyaudio.PyAudio()
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
                channels=wf.getnchannels(),
                rate=wf.getframerate(),
                output=True)

data = wf.readframes(CHUNK)

i = 0
while data != '':
    i += 1
    data_unpacked = struct.unpack('{n}h'.format(n= len(data)/2 ), data) 
    data_np = np.array(data_unpacked) 
    data_fft = np.fft.fft(data_np)
    data_freq = np.abs(data_fft)/len(data_fft) # Dividing by length to normalize the amplitude as per https://www.mathworks.com/matlabcentral/answers/162846-amplitude-of-signal-after-fft-operation
    print("Chunk: {} max_freq: {}".format(i,np.argmax(data_freq)))

    fig = plt.figure()
    ax = fig.add_subplot(1,1,1)
    ax.plot(data_freq)
    ax.set_xscale('log')
    plt.show()

    stream.write(data)
    data = wf.readframes(CHUNK)

stream.stop_stream()
stream.close()

p.terminate()

在輸出中，我得到所有塊的最大頻率為10，其中一個圖的示例為：（ https://i.imgur.com/zsAXME5.png ）

我曾預計所有塊的該值為440，而不是10。 我承認我對FFT的理論了解甚少，也感謝我為解決這個問題提供的幫助。

編輯：采樣率為44100。 的通道數是2，樣本寬度也是2。

Answer 1

前言

正如xdurch0指出的，您正在讀取一種索引而不是頻率。 如果要自己進行所有計算，則在繪制圖形之前，如果要獲得一致的結果，則需要計算自己的頻率向量。 閱讀此答案可能有助於您找到解決方案。

FFT（半平面）的頻率向量為：

 f = np.linspace(0, rate/2, N_fft/2)

或（全平面）：

 f = np.linspace(-rate/2, rate/2, N_fft)

另一方面，我們可以將大部分工作委托給出色的scipy.signal工具箱，該工具箱旨在解決此類問題（以及更多問題）。

MCVE

使用scipy包，可以直接為單個頻率（ 源 ）的簡單WAV文件獲得所需的結果：

import numpy as np
from scipy import signal
from scipy.io import wavfile
import matplotlib.pyplot as plt

# Read the file (rate and data):
rate, data = wavfile.read('tone.wav') # See source

# Compute PSD:
f, P = signal.periodogram(data, rate) # Frequencies and PSD

# Display PSD:
fig, axe = plt.subplots()
axe.semilogy(f, P)
axe.set_xlim([0,500])
axe.set_ylim([1e-8, 1e10])
axe.set_xlabel(r'Frequency, $\nu$ $[\mathrm{Hz}]$')
axe.set_ylabel(r'PSD, $P$ $[\mathrm{AU^2Hz}^{-1}]$')
axe.set_title('Periodogram')
axe.grid(which='both')

基本上：

• 讀取wav文件並獲取采樣率 （此處為44.1kHz ）；
• 計算功率譜密度和頻率；
• 然后使用matplotlib顯示它。

輸出：

尋找高峰

然后，我們可以使用find_peaks找到第一個最高峰值的頻率（ P>1e-2 ，此准則有待調整）：

idx = signal.find_peaks(P, height=1e-2)[0][0]
f[idx] # 440.0 Hz

將所有內容放在一起僅歸結為：

def freq(filename, setup={'height': 1e-2}):
    rate, data = wavfile.read(filename)
    f, P = signal.periodogram(data, rate)
    return f[signal.find_peaks(P, **setup)[0][0]]

處理多個渠道

我用wav文件嘗試了此代碼，並得到以下行axe.semilogy（f，Pxx_den）的錯誤：ValueError：x和y必須具有相同的第一維。 我檢查了形狀，並且f具有（2，），而Pxx_den具有（220160,2）。 同樣，Pxx_den數組似乎只有全零。

Wav文件可以容納多個通道，主要是單聲道或立體聲文件（最多2**16 - 1通道）。 您強調的問題是由於多個通道文件（ 立體聲樣本 ）而發生的。

rate, data = wavfile.read('aaaah.wav') # Shape: (46447, 2), Rate: 48 kHz

它沒有很好的文檔記錄 ，但是signal.periodogram方法也對矩陣執行，並且其輸入與wavfile.read輸出並不直接一致（默認情況下，它們在不同的軸上執行）。 因此，在執行PSD時，我們需要仔細調整尺寸方向（使用axis開關）：

f, P = signal.periodogram(data, rate, axis=0, detrend='linear')

它也適用於Transposition data.T但隨后我們需要對結果進行反向轉置。

指定軸可解決以下問題：頻率矢量正確且PSD並非在所有位置都為空（在長度為2的axis=1上執行之前，在您的情況下，它對2個樣本的信號執行了220160 PSD，我們希望進行相反的處理）。

的detrend開關確保該信號具有零平均值和其線性趨勢被去除。

實際應用

如果大塊中包含足夠的數據，則該方法應適用於實際的大塊樣本（請參閱Nyquist-Shannon采樣定理 ）。 然后，數據是信號的子樣本（塊），並且速率保持恆定，因為在此過程中它不會改變。

擁有大小為2**10塊似乎可行，我們可以從中識別出特定的頻率：

f, P = signal.periodogram(data[:2**10,:], rate, axis=0, detrend='linear') # Shapes: (513,) (513, 2)
idx0 = signal.find_peaks(P[:,0], threshold=0.01, distance=50)[0] # Peaks: [46.875, 2625., 13312.5, 16921.875] Hz

fig, axe = plt.subplots(2, 1, sharex=True, sharey=True)
axe[0].loglog(f, P[:,0])
axe[0].loglog(f[idx0], P[idx0,0], '.')
# [...]

在這一點上，最棘手的部分是微調“ find-peaks方法以捕獲所需的頻率。 您可能需要考慮對信號進行預濾波或對PSD進行后處理，以便於識別。