Python随着时间的推移查找音频频率和幅度

Question

这是我想做的。我想在 .wav 文件的每 1ms 处查找 .wav 文件的音频频率和幅度，并将其保存到文件中。我绘制了频率与幅度的关系图，并绘制了随时间变化的幅度图，但我无法计算出频率超时。我的最终目标是能够读取文件并使用它们来调整变量的幅度和触发正在使用的变量的频率，这似乎是容易的部分。我一直在使用 numpy、audiolab、matplotlib 等...使用 FFT，但我无法弄清楚这一点，感谢任何帮助！谢谢！

Answer 1

使用具有重叠窗口的 STFT 来估计频谱图。为了省去自己滚动的麻烦，您可以使用 Matplotlib 的 mlab 的specgram method。重要的是使用足够小的窗口以使音频大致静止，并且缓冲区大小应该是 2 的幂，以有效地使用常见的 radix-2 fft。 512 个样本（48 ksps 时约 10.67 ms；或每个 bin 93.75 Hz）就足够了。对于 48 ksps 的采样率，重叠 464 个样本以每 1 ms 评估一个滑动窗口（即移动 48 个样本）。

编辑：

这是一个在 8 秒信号上使用 mlab.specgram 的示例，该信号在 2 kHz 到 16 kHz 范围内每秒发出 1 个音调。注意瞬态的响应。我放大了 4 秒以更详细地显示响应。频率偏移精确到 4 秒，但它需要一个缓冲长度（512 个样本；大约 +/- 5 毫秒）才能使瞬态通过。这说明了当它们通过缓冲区时由非平稳过渡引起的光谱/时间拖尾。此外，您可以看到即使信号是静止的，也会存在由数据窗口化引起的频谱泄漏问题。 Hamming window function 用于最小化泄漏的旁瓣，但这也扩大了主瓣。

import numpy as np
from matplotlib import mlab, pyplot

#Python 2.x:
#from __future__ import division

Fs = 48000
N = 512
f = np.arange(1, 9) * 2000
t = np.arange(8 * Fs) / Fs 
x = np.empty(t.shape)
for i in range(8):
    x[i*Fs:(i+1)*Fs] = np.cos(2*np.pi * f[i] * t[i*Fs:(i+1)*Fs])

w = np.hamming(N)
ov = N - Fs // 1000 # e.g. 512 - 48000 // 1000 == 464
Pxx, freqs, bins = mlab.specgram(x, NFFT=N, Fs=Fs, window=w, 
                                 noverlap=ov)

#plot the spectrogram in dB

Pxx_dB = np.log10(Pxx)
pyplot.subplots_adjust(hspace=0.4)

pyplot.subplot(211)
ex1 = bins[0], bins[-1], freqs[0], freqs[-1]
pyplot.imshow(np.flipud(Pxx_dB), extent=ex1)
pyplot.axis('auto')
pyplot.axis(ex1)
pyplot.xlabel('time (s)')
pyplot.ylabel('freq (Hz)')

#zoom in at t=4s to show transient

pyplot.subplot(212)
n1, n2 = int(3.991/8*len(bins)), int(4.009/8*len(bins))
ex2 = bins[n1], bins[n2], freqs[0], freqs[-1]
pyplot.imshow(np.flipud(Pxx_dB[:,n1:n2]), extent=ex2)
pyplot.axis('auto')
pyplot.axis(ex2)
pyplot.xlabel('time (s)')
pyplot.ylabel('freq (Hz)')

pyplot.show()