从音频文件中检测频率

9 投票

2 回答

16381 浏览

提问于 2025-04-16 08:28

我想要实现的目标是：我需要一个声音文件（.wav）的频率值来进行分析。我知道很多程序会给出一个可视化的图表（频谱图），但我需要的是原始数据。我知道这可以通过快速傅里叶变换（FFT）来完成，并且在Python中应该比较容易写出来，但我不太确定具体该怎么做。

假设文件中的信号长度是0.4秒，那么我希望能得到多个测量值，输出为一个数组，显示程序在每个测量时刻找到的频率值（可能还包括功率（分贝））。复杂的地方在于，我想分析鸟鸣声，而鸟鸣声通常会有谐波，或者信号覆盖一个频率范围（例如1000-2000赫兹）。我希望程序也能输出这些信息，因为这对我想进行的数据分析非常重要 :)

现在有一段代码看起来很符合我的需求，但我觉得它没有给我所有我想要的值……（感谢Justin Peel在另一个问题中发布了这段代码 :)) 所以我了解到我需要用到numpy和pyaudio，但不幸的是我对Python不太熟悉，所以希望有Python专家能帮我解决这个问题？

源代码：

# 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()

信号处理音频处理频率分析快速傅里叶变换数字信号处理频谱图鸟鸣声分析功率谱

2 个回答

我觉得你需要做的是一种叫做短时傅里叶变换（Short-time Fourier Transform，简称STFT）的技术。简单来说，就是对信号进行多次部分重叠的快速傅里叶变换（FFT），然后把每个时间点的结果加在一起。接着，你可以找到每个时间点的峰值。我自己没有实际操作过，但之前了解过一些，这绝对是个不错的方向。

这里有一些Python代码可以用来实现STFT，可以在这里找到，还有在这里。

回答于 2025-04-16 由 Python大师

分享举报

我不太确定这是不是你想要的，如果你只是想要快速傅里叶变换（FFT）：

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

如果你想要幅度响应：

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

回答于 2025-04-16 由 Python大师

分享举报

从音频文件中检测频率

2 个回答

撰写回答