39

OK、私がやろうとしているのは、一般的な周波数を検出できる一種のオーディオ処理ソフトウェアであり、その周波数が十分に長く (数ミリ秒) 再生されると、肯定的な一致があることがわかります。FFTなどを使用する必要があることはわかっていますが、この数学の分野では、インターネットを検索しましたが、これだけを実行できるコードが見つかりませんでした。

私が達成しようとしている目標は、音を通してデータを送信するためのカスタムプロトコルを自分で作成することです。1 秒あたりのビットレートが非常に低い (5-10bps) 必要がありますが、送信側も非常に制限されているため、受信ソフトウェアをカスタマイズできる必要があります (実際のハードウェア/ソフトウェア モデムを使用できない) また、これをソフトウェアのみにしたい (サウンドカード以外の追加のハードウェアは使用しない)

助けてくれてありがとう。

4

4 に答える 4

49

aubioライブラリは SWIG でラップされているため、Python で使用できます。それらの多くの機能の中には、YINアルゴリズムやいくつかのハーモニック コム アルゴリズムなど、ピッチ検出/推定のためのいくつかの方法が含まれています。

ただし、もっと単純なものが必要な場合は、ピッチ推定用のコードを少し前に書いたので、それを取るかそのままにしておくことができます。aubio でアルゴリズムを使用するほど正確ではありませんが、ニーズには十分である可能性があります。私は基本的に、データの FFT にウィンドウ (この場合はブラックマン ウィンドウ) をかけ、FFT 値を 2 乗し、最も高い値を持つビンを見つけ、最大値の対数を使用してピークの周りに 2 次補間を使用しました。およびその 2 つの隣接する値を使用して、基本周波数を見つけます。私が見つけたいくつかの紙から取った二次補間。

テスト トーンではかなりうまく機能しますが、上記の他の方法ほど堅牢でも正確でもありません。精度は、チャンク サイズを大きくすることで向上させることができます (または、小さくすることで小さくすることができます)。FFT を最大限に活用するには、チャンク サイズを 2 の倍数にする必要があります。また、重複のない各チャンクの基本ピッチのみを決定しています。推定ピッチを書き出しながら、PyAudio を使用してサウンドを再生しました。

ソースコード：

# 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()
于 2010-04-15T22:52:01.390 に答える
9

データのエンコードにFSK（周波数シフトキーイング）を使用する場合は、完全なDFT / FFTではなく、必要な周波数だけをチェックできるように、 Goertzelアルゴリズムを使用することをお勧めします。

于 2011-05-05T19:33:43.253 に答える
0

私はこれまでPythonでオーディオ処理を試したことがありませんが、効率的な科学/工学数値計算のフレームワークであるSciPy（またはそのサブプロジェクトNumPy）に基づいて何かを構築できますか？あなたはあなたのFFTのためにscipy.fftpackを見ることから始めるかもしれません。

于 2010-04-15T19:04:32.850 に答える