目标：

Question

这个问题与以下内容有关： DSP : audio processing : squart or log to leverage fft?

我迷失了选择正确的算法。

现在，

目标：

我想得到我的信号的所有频率，我从音频文件中得到。

上下文：

我使用numpy和scikits.audiolab。我在dsp主题上做了很多阅读，也去了dspguru.com，通过网络阅读论文和漂亮的博客。

我使用的代码就是这个：

import numpy as np
from scikits.audiolab import Sndfile


f = Sndfile('first.ogg', 'r')

# Sndfile instances can be queried for the audio file meta-data
fs = f.samplerate
nc = f.channels
enc = f.encoding

print(fs,nc,enc)
# Reading is straightfoward
data = f.read_frames(10)
print(data)
print(np.fft.rfft(data))

我是DSP的新手。

我的问题

我希望能够分离信号的所有频率，以比较不同的信号。我在声音数组上使用numpy.fft.rfft;但是现在，仅此一项行动是不够的。那么，正确获得所有频率的最佳解决方案是什么？

我看到，将结果值相乘得到复数，并将整数转换为实数。

现在请问什么？是吗？

如果你需要我澄清任何事情，请问。

非常感谢！

Answer 1

数学傅立叶变换在使用函数*exp(-i*omega*t)进行变换时返回复数值。因此，PC为您提供与余弦和正弦变换相对应的复数。为了获得幅度，您只需要取绝对值：np.abs(spectrum)。为了得到功率谱平方的绝对值。复杂表示很有价值，因为您不仅可以获得振幅，还可以获得频率的相位 - 这在DSP中也很有用。

Answer 2

你说“我想得到我的信号的所有频率，我从音频文件中得到。”但你真正想要的是频率的大小。
在你的代码中，看起来（我不知道python）你只读了前10个样本。假设你的文件是单声道的，那很好，但你可能想看一组更大的样本，比如1024个样本。当你这样做时，你会想要重复下一组N个样本。您可能想要也可能不想重叠样本集，并且您可能想要应用窗口函数，但您在此处所做的是一个良好的开端。
沉睡者说的是真的。 fft的输出很复杂。要找到给定频率的大小，您需要找到复数的长度或绝对值，它只是sqrt（r ^ 2 + i ^ 2）。

Answer 3

如果我做对了，你想要遍历所有数据（声音）和捕获幅度，这样就可以在每次1024个样本的数据捕获时“暂时”

data = f.read_frames(1024)

while data != '':
    print(data)
    print(np.fft.rfft(data))
    data = f.read_frames(1024)

DSP - 获取所有频率的幅度

目标：

上下文：

我的问题

3 个答案: