從聲音文件中檢測頻率

Question

我想要實現的目標如下：我需要聲音文件（.wav）的頻率值進行分析。 我知道很多程序會給出值的可視圖（譜圖），但我需要原始數據。 我知道這可以通過FFT完成，並且應該在python中相當容易編寫腳本但不確定如何完全執行它。 因此，假設文件中的信號長度為.4s，那么我希望多次測量，為程序測量的每個時間點以及它找到的值（頻率）（以及可能的功率（dB））提供輸出作為數組。 復雜的是我想分析鳥歌，它們經常有諧波或信號超出頻率范圍（例如1000-2000赫茲）。 我希望程序也能輸出這些信息，因為這對於我想對數據做的分析非常重要:)

現在有一段看起來非常像我想要的代碼，但我認為它並沒有給我所有我想要的價值......（感謝Justin Peel將這個問題發布到另一個問題:)）所以我聚集在一起我需要numpy和pyaudio但不幸的是我不熟悉python所以我希望Python專家可以幫助我嗎？

源代碼：

# 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

如果您只是想要FFT，我不確定這是否是您想要的：

import scikits.audiolab, scipy
x, fs, nbits = scikits.audiolab.wavread(filename)
X = scipy.fft(x)

如果你想要幅度響應：

import pylab
Xdb = 20*scipy.log10(scipy.absolute(X))
f = scipy.linspace(0, fs, len(Xdb))
pylab.plot(f, Xdb)
pylab.show()

Answer 2

我認為您需要做的是短時傅里葉變換 （STFT）。 基本上，您可以執行多個部分重疊的FFT，並將它們一起添加到每個時間點。 然后你會找到每個時間點的峰值。 我自己並沒有這樣做，但我過去一直在研究它，這絕對是前進的方法。

這里和這里有一些用於執行STFT的Python代碼。