Python中的频率分析答案

【问题标题】：Frequency Analysis in PythonPython中的频率分析
【发布时间】：2012-02-23 08:13:26
【问题描述】：

我正在尝试使用 Python 来检索实时音频输入的主要频率。目前我正在尝试使用笔记本电脑内置麦克风的音频流，但是在测试以下代码时，我得到的结果很差。

    # Read from Mic Input and find the freq's
    import pyaudio
    import numpy as np
    import bge
    import wave

    chunk = 2048

    # use a Blackman window
    window = np.blackman(chunk)
    # open stream
    FORMAT = pyaudio.paInt16
    CHANNELS = 1
    RATE = 1920

    p = pyaudio.PyAudio()
    myStream = p.open(format = FORMAT, channels = CHANNELS, rate = RATE, input = True, frames_per_buffer = chunk)

    def AnalyseStream(cont):
        data = myStream.read(chunk)
        # unpack the data and times by the hamming window
        indata = np.array(wave.struct.unpack("%dh"%(chunk), 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))

    # stream.close()
    # p.terminate()

代码是从this question 蚕食的，它处理波形文件的傅里叶分析。它在当前的模块化结构中，因为我正在使用 Blender 游戏环境来实现它（因此顶部的 import bge ），但我很确定我的问题出在 AnalyseStream 模块中。

您能提供的任何建议将不胜感激。

更新：我时不时地得到正确的值，但在不正确的值（

【问题讨论】：

1920 的采样率看起来很可疑。更典型的音频采样率为 8000 或 44100。您使用哪种声音进行正确性测试？如果不是来自正弦波发生器，您听到的音高和频率峰值可能会有很大不同。

标签： python numpy fft analysis blender

【解决方案1】：

你好，发现最大值计算 FFT 进行实时分析变得有点慢。

如果您不会使用复杂的波形来查找频率，您可以使用任何基于时域的方法，例如过零，这样性能会更好。

去年我做了一个简单的函数来通过过零计算频率。

#Eng Eder de Souza 01/12/2011
#ederwander
from matplotlib.mlab import find
import pyaudio
import numpy as np
import math


chunk = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 44100
RECORD_SECONDS = 20


def Pitch(signal):
    signal = np.fromstring(signal, 'Int16');
    crossing = [math.copysign(1.0, s) for s in signal]
    index = find(np.diff(crossing));
    f0=round(len(index) *RATE /(2*np.prod(len(signal))))
    return f0;


p = pyaudio.PyAudio()

stream = p.open(format = FORMAT,
channels = CHANNELS,
rate = RATE,
input = True,
output = True,
frames_per_buffer = chunk)

for i in range(0, RATE / chunk * RECORD_SECONDS):
    data = stream.read(chunk)
    Frequency=Pitch(data)
    print "%f Frequency" %Frequency

埃德沃德

【讨论】：

【解决方案2】：

还有计算 Lomb-Scargle 周期图的函数 scipy.signal.lombscargle 从 v0.10.0 开始可用。即使对于不均匀采样的信号，这种方法也应该有效。似乎必须减去数据的平均值才能使此方法正常工作，尽管文档中没有提到这一点。更多信息可以在 scipy 参考指南中找到： http://docs.scipy.org/doc/scipy/reference/tutorial/signal.html#lomb-scargle-periodograms-spectral-lombscargle

【讨论】：