【发布时间】：2021-05-26 10:49:42
【问题描述】：
嗯，我对语音数据进行了大量研究，我能够从 wav 文件返回实数或复数序列的离散傅里叶变换。
import matplotlib.pyplot as plt
from scipy.io import wavfile as wav
from scipy.fftpack import fft
import numpy as np
rate, data = wav.read('Data/File1.wav')
fft_out = fft(data)
%matplotlib inline
plt.plot(data, np.abs(fft_out))
plt.show()
当我试图保存这个 np.abs(fft_out) 数据时，它最终是一个一维数组数据，这很明显
但是我需要一些帮助来从傅立叶变换的数据中提取特征（傅立叶系数），有人能说明一下吗？
最终，我被要求创建一个包含傅立叶变换信号重要特征的最终数据集
注意：我不需要确切的代码，但任何方向都会有所帮助。 我的主要任务是从傅立叶变换数据中提取重要特征。
【问题讨论】：
-
“傅立叶系数”是什么意思？当你对一维样本序列进行傅里叶变换时，你会得到一个一维序列，其中包含每个频率仓的强度。第一项是直流系数。每个 bin 的大小（以 Hz 为单位）取决于数据速率和输入的大小。如果您以 8 kHz 提供 8000 个样本，则每个 bin 的宽度为 1Hz。
标签： python fft librosa fourier-descriptors