如何从Python中获取FFT的时间/频率

Question

我在管理FFT数据方面遇到了一些问题。我正在寻找很多关于如何进行FFT的例子，但我无法从他们中获得我想要的东西。我有一个44kHz采样率的随机波形文件，我希望每X ms得到N次谐波的幅度，让我们说100ms就足够了。我试过这段代码：

import scipy.io.wavfile as wavfile
import numpy as np
import pylab as pl

rate, data = wavfile.read("sound.wav")
t = np.arange(len(data[:,0]))*1.0/rate
p = 20*np.log10(np.abs(np.fft.rfft(data[:2048, 0])))
f = np.linspace(0, rate/2.0, len(p))
pl.plot(f, p)
pl.xlabel("Frequency(Hz)")
pl.ylabel("Power(dB)")
pl.show()

这是我使用的最后一个例子，我发现它在stackoverflow上的某个地方。问题是，这需要我想要的幅度，获得频率，但根本没有时间。据我所知，FFT分析是3D，这是＆＃34;合并＆＃34;所有谐波的结果。我明白了：

X-axis = Frequency, Y-axis = Magnitude, Z-axis = Time (invisible)

根据我对代码的理解，t是时间 - 似乎是这样，但代码中不需要 - 我们可能会需要它。 p是功率（或幅度）的数组，但它似乎是每个频率f的所有幅度的平均值，即频率阵列。我不想要平均/合并值，我想要每X毫秒的N次谐波幅度。

长话短说，我们可以得到：所有频率的1个数量。

我们想要：所有N个频率的大小，包括存在一定幅度的时间。

结果应该看起来像这个数组：[时间，频率，幅度] 所以最后如果我们想要3个谐波，它看起来像是：

[0,100,2.85489] #100Hz harmonic has 2.85489 amplitude on 0ms
[0,200,1.15695] #200Hz ...
[0,300,3.12215]
[100,100,1.22248] #100Hz harmonic has 1.22248 amplitude on 100ms
[100,200,1.58758]
[100,300,2.57578]
[200,100,5.16574]
[200,200,3.15267]
[200,300,0.89987]

不需要可视化，结果应该只是上面列出的数组（或哈希/词典）。

Answer 1

继@Paul R的回答，scipy.signal.spectrogram是spectrogram function中的scipy's signal processing module。

以上链接的示例如下：

from scipy import signal
import matplotlib.pyplot as plt

# Generate a test signal, a 2 Vrms sine wave whose frequency linearly
# changes with time from 1kHz to 2kHz, corrupted by 0.001 V**2/Hz of
# white noise sampled at 10 kHz.

fs = 10e3
N = 1e5
amp = 2 * np.sqrt(2)
noise_power = 0.001 * fs / 2
time = np.arange(N) / fs
freq = np.linspace(1e3, 2e3, N)
x = amp * np.sin(2*np.pi*freq*time)
x += np.random.normal(scale=np.sqrt(noise_power), size=time.shape)


#Compute and plot the spectrogram.

f, t, Sxx = signal.spectrogram(x, fs)
plt.pcolormesh(t, f, Sxx)
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.show()

Answer 2

您似乎正在尝试实施spectrogram，这是一系列功率谱估算，通常通过一系列（通常是重叠的）FFT实现。由于您只有一个FFT（频谱），因此您还没有时间维度。将FFT代码放在循环中，每次迭代处理一个样本块（例如1024），连续块之间重叠50％。然后，生成的光谱序列将是时间v频率v幅度的3D阵列。

我不是一个Python人，但我可以给你一些伪代码，这些代码应该足以让你编码：

N = length of data input
N_FFT = no of samples per block (== FFT size, e.g. 1024)
i = 0 ;; i = index of spectrum within 3D output array
for block_start = 0 to N - block_start
    block_end = block_start + N_FFT
    get samples from block_start .. block_end
    apply window function to block (e.g. Hamming)
    apply FFT to windowed block
    calculate magnitude spectrum (20 * log10( re*re + im*im ))
    store spectrum in output array at index i
    block_start += N_FFT / 2            ;; NB: 50% overlap
    i++
 end

Answer 3

编辑哦，所以它似乎会返回值，但它们根本不适合音频文件。尽管它们可以用作频谱图上的幅度，但它们不适用于那些在许多音乐播放器中可以看到的经典视听器。我也尝试使用matplotlib的pylab进行频谱图，但结果是一样的。

import os
import wave
import pylab
import math
from numpy import amax
from numpy import amin

def get_wav_info(wav_file,mi,mx):
    wav = wave.open(wav_file, 'r')
    frames = wav.readframes(-1)
    sound_info = pylab.fromstring(frames, 'Int16')
    frame_rate = wav.getframerate()
    wav.close()
    spectrum, freqs, t, im = pylab.specgram(sound_info, NFFT=1024, Fs=frame_rate)
    n = 0
    while n < 20:
        for index,power in enumerate(spectrum[n]):
            print("%s,%s,%s" % (n,int(round(t[index]*1000)),math.ceil(power*100)/100))
        n += 1

get_wav_info("wave.wav",1,20)

如何获得可视化中可用的dB的提示？ 基本上，我们显然已经从上面的代码中获得了所有我们需要的，只是如何让它返回正常值？忽略mi和mx，因为它们只是调整数组中的值以适应mi..mx间隔 - 这将用于可视化用法。如果我是正确的，那么此代码中的spectrum将返回包含freqs数组中每个频率的幅度的数组数组，这些数据根据t数组按时出现，但值如何work - 如果它返回这些奇怪的值，它是否真的是幅度，如果是，例如如何将其转换为dBs。

tl; dr我需要像音乐播放器一样的可视化器输出，但它不应该实时工作，我只想要数据，但值不适合wav文件。

编辑2：我注意到还有一个问题。对于90秒的wav，t数组包含的时间直到175.x，考虑到frame_rate与wav文件的关系是正确的，这似乎很奇怪。所以现在我们有两个问题：spectrum似乎没有返回正确的值（如果我们得到正确的时间它可能会适合）并且t似乎返回wav的两倍时间。

已修复：案例已完全解决。

import os
import pylab
import math
from numpy import amax
from numpy import amin
from scipy.io import wavfile
frame_rate, snd = wavfile.read(wav_file)
sound_info = snd[:,0]
spectrum, freqs, t, im = pylab.specgram(sound_info,NFFT=1024,Fs=frame_rate,noverlap=5,mode='magnitude')

Specgram需要稍微调整，我只用scipy.io库（而不是wave库）加载了一个通道。同样没有模式设置为幅度，它返回10log10而不是20log10，这就是它没有返回正确值的原因。