Question

我正在研究行走模式的声音信号，它具有明显的规则模式：

然后我想我可以使用FFT函数获得行走频率（距图像大约1.7Hz）：

    x = walk_5; % Walking sound with a size of 711680x2 double
    Fs = 48000; % sound frquency
    L=length(x); 

    t=(1:L)/Fs; %time base
    plot(t,x);
    figure;

    NFFT=2^nextpow2(L);      
    X=fft(x,NFFT);       
    Px=X.*conj(X)/(NFFT*L); %Power of each freq components       
    fVals=Fs*(0:NFFT/2-1)/NFFT;      
    plot(fVals,Px(1:NFFT/2),'b','LineSmoothing','on','LineWidth',1);         
    title('One Sided Power Spectral Density');       
    xlabel('Frequency (Hz)')         
    ylabel('PSD');

但是它没有给我我的期望：

FFT结果：

变焦图像有很多噪音：

并且1.7Hz附近没有信息

以下是使用

的日志域图表

    semilogy(fVals,Px(1:NFFT));

它非常对称：

我发现我的代码没有任何问题。你有什么解决方案可以轻松地从行走模式中提取1.7Hz吗？

这是mat中音频文件的链接 https://www.dropbox.com/s/craof8qkz9n5dr1/walk_sound.mat?dl=0

非常感谢！

启

Answer 1

我建议您忘记DFT方法，因为由于许多原因您的信号不适合此类分析。即使通过查看您感兴趣的频率范围内的频谱，也无法轻松估算峰值：

当然你可以试试PSD / STFT和其他时髦的方法，但这是一种矫枉过正。对于这项任务，我可以想到两种相当简单的方法。

第一个仅基于自动关联功能。

计算ACF
定义它们之间的最小距离。由于您知道预期频率约为1.7Hz，因此它对应于0.58s。让我们把它作为最小距离0.5s。
计算找到的峰之间的平均距离。

这给了我大约1.72 Hz的频率。

第二种方法是基于对你的信号的观察已经有一些周期性的峰值。因此，我们可以使用findpeaks函数简单地搜索它们。

以与以前相同的方式定义最小峰值距离。
定义最小峰高。例如，最大峰值的10％。
获得平均差异。

这使我的平均频率为1.7 Hz。

简单快捷的方法。显然有些事情可以改进，例如：

精炼阈值
找到正峰和负峰
照顾一些缺失的峰值，即由于低振幅

无论如何，这应该让你开始，而不是陷入蹩脚的FFT和懒惰的semilogx。

代码段：

load walk_sound

fs = 48000;
dt = 1/fs;

x = walk_5(:,1);
x = x - mean(x);
N = length(x);
t = 0:dt:(N-1)*dt;

% FFT based
win = hamming(N);
X = abs(fft(x.*win));
X = 2*X(1:N/2+1)/sum(win);
X = 20*log10(X/max(abs(X)));
f = 0:fs/N:fs/2;

subplot(2,1,1)
plot(t, x)
grid on
xlabel('t [s]')
ylabel('A')
title('Time domain signal')

subplot(2,1,2)
plot(f, X)
grid on
xlabel('f [Hz]')
ylabel('A [dB]')
title('Signal Spectrum')

% Autocorrelation
[ac, lag] = xcorr(x);
min_dist = ceil(0.5*fs);
[pks, loc] = findpeaks(ac, 'MinPeakDistance', min_dist);

% Average distance/frequency
avg_dt = mean(gradient(loc))*dt;
avg_f = 1/avg_dt;

figure
plot(lag*dt, ac);
hold on
grid on
plot(lag(loc)*dt, pks, 'xr')
title(sprintf('ACF - Average frequency: %.2f Hz', avg_f))


% Simple peak finding in time domain
[pkst, loct] = findpeaks(x, 'MinPeakDistance', min_dist, ...
                            'MinPeakHeight', 0.1*max(x));

avg_dt2 = mean(gradient(loct))*dt;
avg_f2 = 1/avg_dt2;

figure
plot(t, x)
grid on
hold on
plot(loct*dt, pkst, 'xr')
xlabel('t [s]')
ylabel('A')
title(sprintf('Peak search in time domain - Average frequency: %.2f Hz', avg_f2))

如何找到周期性声音信号的频率？

1 个答案: