9

私が達成しようとしているのは次のとおりです。分析のためにサウンドファイル (.wav) の周波数値が必要です。多くのプログラムが値の視覚的なグラフ (スペクトログラム) を提供することは知っていますが、生データが必要です。これはFFTで実行でき、Pythonでかなり簡単にスクリプト化できるはずですが、正確に実行する方法がわかりません。したがって、ファイル内の信号の長さが .4 秒であるとしましょう。プログラムが測定する各タイムポイントと、検出された値 (周波数) (およびおそらく電力 (dB) も) の配列として出力を与える複数の測定値が必要です。複雑なのは、鳥のさえずりを分析したいということです。鳥のさえずりには多くの場合、高調波があったり、信号が周波数範囲 (1000 ～ 2000 Hz など) を超えています。これは、データで行いたい分析にとって重要であるため、プログラムにこの情報も出力してもらいたいです:)

今、私が望んでいたのと非常によく似たコードがありますが、それは私が望むすべての値を与えていないと思います....（これを別の質問に投稿してくれたジャスティン・ピールに感謝します:)）だから私は集めますnumpy と pyaudio が必要ですが、残念ながら私は Python に詳しくないので、Python の専門家がこれについて私を助けてくれることを願っていますか?

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()
4

2 に答える 2

8

FFTだけが必要な場合、これがあなたが望むものかどうかはわかりません：

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

振幅応答が必要な場合:

import pylab
Xdb = 20*scipy.log10(scipy.absolute(X))
f = scipy.linspace(0, fs, len(Xdb))
pylab.plot(f, Xdb)
pylab.show()
于 2010-12-13T17:34:29.720 に答える
5

あなたがする必要があるのは、短時間フーリエ変換（STFT）だと思います。基本的に、複数の部分的に重複する FFT を実行し、各時点でそれらを加算します。次に、各時点のピークを見つけます。私はこれを自分で行ったことはありませんが、過去にいくつか調べたことがあり、これは間違いなく前進する方法です.

STFT を実行するための Python コードがこことここにあります。

于 2010-12-13T18:43:07.430 に答える