Python FFT音频文件

Posted 2023-02-22

【中文标题】Python FFT音频文件

【英文标题】：Python FFT an audio file

【发布时间】：2021-10-18 22:37:23

【问题描述】：

我正在尝试从 wav 文件中绘制幅度频谱，文件的采样率为 44.1KHz，我只想计算前 100 个样本的 FFT，因为我正在使用 np.fft.fft()但是我得到了意想不到的结果，请参见图 1。

当我计算至少 2048 个样本的 FFT 时，我只会得到预期的结果。为什么？

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt

def normalizeAudio(data):
    return np.float32((data / max(data)))

SAMPLE_FOR = 1 # in seconds
samplerate, data = scipy.io.wavfile.read(r'Recording.wav')
data = normalizeAudio(data[0:int(samplerate*SAMPLE_FOR)])


fft_out = np.fft.fft(data[0:100])
freq_vector = np.arange(0, 44100, 44100 / 100)
plt.plot(freq_vector, np.abs(fft_out))
plt.show()

【问题讨论】：

前 100 个样本中真的有什么有趣的东西吗？毕竟，音频文件以静音开始的情况并不少见

我明白你的意思，有没有办法解决这个问题并且仍然计算 100 的 FFT？也许是抽取？ @哈罗德

另外，计算频率需要随着时间的推移进行测量。您拥有的时间越少，您可以覆盖的频域就越少，即使实际上在数据集的那一部分中存在除静默之外的其他东西

【参考方案1】：

看看librosa，它是一个非常好的python音频分析库，包括色谱图、频谱图、打击图和其他很酷的东西。

它有很好的例子，还有很多关于堆栈溢出的其他文档，所以我不会在这里复制它们。

此外，我见过的大多数应用程序都倾向于使用 STFT，即短期傅立叶变换（又名 DFT，离散傅立叶变换）。这仍然比普通的 FFT 快得多，并且对于建模和控制输入形状的东西更有用，并且还消除了 FFT 可以得到的大量噪声，因为它需要窗口而不是瞬时变化。