我从 wav 文件中获取峰值频率。但是对于录制的 2 个频道 wav，它不起作用

Posted 2023-02-16

【中文标题】我从 wav 文件中获取峰值频率。但是对于录制的 2 个频道 wav，它不起作用

【英文标题】：I am getting peak frequency from wav file. But for recorded 2 channels wav it is not working

【发布时间】：2016-06-14 13:11:12

【问题描述】：

我正在从 wav 文件中获取峰值频率

我从 wav 文件中获取峰值频率的代码是：

import wave
import struct
import numpy as np
import wave
import contextlib

if __name__ == '__main__':
    fname = "test.wav"
    frate = 0
    data_size = 0
    with contextlib.closing(wave.open(fname,'r')) as f:
        frate = f.getframerate()
        data_size = f.getnframes()
    wav_file = wave.open(fname, 'r')
    data = wav_file.readframes(data_size)
    data_size = data_size * wav_file.getnchannels()
    print wav_file.getparams()
    wav_file.close()
    data = struct.unpack('nh'.format(n=data_size), data)
    data = np.array(data)

    w = np.fft.fft(data)
    freqs = np.fft.fftfreq(len(w))
    print(freqs.min(), freqs.max())

    # Find the peak in the coefficients
    idx = np.argmax(np.abs(w))
    freq = freqs[idx]
    freq_in_hertz = abs(freq * frate)
    print(freq_in_hertz)

我录制了一个具有 48000 采样率、16 位宽、2 个通道的 wav 文件。 在那个文件中，我有一个 1000Hz 的正弦音。 但脚本只输出 500Hz。 我不知道我哪里出错了。 但是对于单通道和生成的具有 48000 采样率、16 位宽、2 通道的 wav 文件，它工作正常。

我使用以下脚本生成了 wav 文件

import math
import wave
import struct

if __name__ == '__main__':
    # http://***.com/questions/3637350/how-to-write-stereo-wav-files-in-python
    # http://www.sonicspot.com/guide/wavefiles.html
    freq = 1000
    data_size = 454656 * 2
    fname = "test.wav"
    frate = 48000.0
    amp = 64000.0
    nchannels = 2
    sampwidth = 2
    framerate = int(frate)
    nframes = data_size
    comptype = "NONE"
    compname = "not compressed"
    data = [math.sin(2 * math.pi * freq * (x / frate))
            for x in range(data_size)]
    wav_file = wave.open(fname, 'w')
    wav_file.setparams(
        (nchannels, sampwidth, framerate, nframes, comptype,     compname))
    for v in data:
        wav_file.writeframes(struct.pack('h', int(v * amp / 2)))
    wav_file.close()

我不知道我哪里做错了。 我在脚本生成的 wav script_gen.wav 上传了我的 wav 文件，采样率为 48000，2 个通道，16 位。 录制的 wav：2 channel wav 48000 采样率，2 通道，16 位 1 通道 wav（此处不允许发布链接，因此将在 cmets 中发布）具有 48000 采样率，1 通道，16 位。

我大胆地检查了所有这些峰值频率，它只显示 1000Khz。

但是当我尝试使用我的脚本时，我得到了 1 通道 wav 的正确输出，而 2 通道 wav 却失败了。

更新： 我将峰值频率的一半作为 2 个通道的输出。

我感觉我错过了什么。 任何人都可以帮助我吗？

【问题讨论】：

1 channel wav

【参考方案1】：

为什么这么复杂？考虑以下

#!/usr/bin/env python3
import numpy as np
from numpy import fft
import scipy.io.wavfile as wf
import matplotlib.pyplot as plt

sr = 44100    # sample rate
len_sig = 2   # length of resulting signal in seconds

f = 1000      # frequency in Hz

# set you time axis
t = np.linspace(0, len_sig, sr*len_sig)

# set your signal
mono_data = np.sin(2*np.pi*t*f)

# write single channel .wav file
wf.write('mono.wav', sr, mono_data)

# write two-channel .wav file 
stereo_data = np.vstack((mono_data, mono_data)).T
wf.write('stereo.wav', sr, stereo_data)

现在通过加载和分析数据来测试它

# Load data
mono_sr, mono_data = wf.read('mono.wav')
stereo_sr, stereo_data = wf.read('stereo.wav')

# analyze the data
X_mono = fft.fft(mono_data) / len(mono_data)    # remember to normalize your amplitudes

# Remember that half of energy of the signal is distributed over the 
# positive frequencies and the other half over the negative frequencies.
# 
# Commonly you want see a magnitude spectrum. That means, we ignore the phases. Hence, we
# simply multiply the spectrum by 2 and consider ONLY the first half of it.
freq_nq = len(X_mono) // 2
X_mono = abs(X_mono[:freq_nq]) * 2
freqs_mono = fft.fftfreq(len(mono_data), 1/mono_sr)[:freq_nq]

# in order the analyze a stereo signal you first have to add both channels
sum_stereo = stereo_data.sum(axis=1) / 2

# and now the same way as above
freq_nq = len(sum_stereo) // 2
X_stereo= abs(fft.fft(sum_stereo))[:freq_nq] / len(stereo_data) * 2
freqs_stereo = fft.fftfreq(len(stereo_data), 1/stereo_sr)[:freq_nq]

选峰：

freqs_mono[np.argmax(X_mono)]        # == 1000.0
freqs_stereo[np.argmax(X_stereo)]    # == 1000.0

绘制结果：

fig, (ax1, ax2) = plt.subplots(2, figsize=(10,5), sharex=True, sharey=True)
ax1.set_title('mono signal')
ax1.set_xlim([0, 2000])
ax1.plot(freqs_mono, X_mono, 'b', lw=2)

ax2.set_title('stereo signal')
ax2.plot(freqs_stereo, X_stereo, 'g', lw=2)
ax2.set_xlim([0, 2000])
plt.tight_layout()
plt.show()

【讨论】：

这里的 wf 和 fft 是什么意思。您导入了哪些库。

@MaxPowers 我们不能对我的代码进行一些更改并使其正常工作。基本上我是python的新手。理解需要时间。这些代码

我的脚本产生一半的峰值频率作为 2 通道波的结果。我想我错过了什么。你能帮我吗

@vvn 我更新了代码以包含缺少的导入语句。

@SoCelectron 我添加了选择峰的最简单方法。

【参考方案2】：

我认为这将对您有所帮助。 只是添加了更多的东西来配合你的外观。 使用 MaxPowers 逻辑。 您需要将 24 位数据转换为 32 位，然后这也适用于 24 位。

import sys
import wave
import struct
import numpy as np
import wave
import argparse

def parse_arguments():
    """Parses command line arguments."""
    parser = argparse.ArgumentParser(description='Tool to get peak frequency')
    parser.add_argument('fname', metavar='test.wav', type=str,
                        help='Path to a wav file')
    args = parser.parse_args()
    return args


def main():
    args = parse_arguments()
    fname = args.fname
    wav_file = wave.open(fname, 'r')
    frate = wav_file.getframerate()
    data_size = wav_file.getnframes()
    data = wav_file.readframes(data_size)
    nChannels = wav_file.getnchannels()
    nSample = wav_file.getsampwidth()
    data_size = data_size * nChannels * nSample
    wav_file.close()
    if nSample == 2:
        fmt = "<i2"
    else :
        fmt = "<i4"
    data = np.frombuffer(data,dtype=fmt)
    if nChannels == 2 :
        data = data.reshape(-1,nChannels)
        data = data.sum(axis=1) / 2
    # and now the same way as above as said by maxpowers
    freq_nq = len(data) // 2
    X= abs(np.fft.fft(data))[:freq_nq] / len(data) * 2
    freqs = np.fft.fftfreq(len(data), 1./frate)[:freq_nq]
    print freqs[np.argmax(X)] 

if __name__ == '__main__':
    try:
        main()
    except (Exception) as e:
        print str(e)
        sys.exit(255)