这是读取音频文件FFT的正确方法吗？ （python + wav）

Question

音频文件是16位单声道PCM音频文件，具有不同的采样率，长度为10-30ms。

import struct
from pydub import AudioSegment
import numpy as np
import matplotlib.pyplot as plt
import scipy.fftpack

sound = AudioSegment.from_wav("3000hz.wav")

raw_data = sound.raw_data# needs to be mono
sample_rate = sound.frame_rate
sample_size = sound.sample_width
channels = sound.channels

fmt = "%ih" % sound.frame_count() * channels
amplitudes= struct.unpack(fmt, raw_data)
yVals = scipy.fftpack.fft(amplitudes)

plt.plot(abs(yVals[:(len(yVals)/2)-1]),'r')
plt.show()

带有3000hz wav文件的输出（来自在线正弦波发生器）导致FFT看起来不错，但峰值为9000，而不是3000。在其他测试中，这种偏离3倍是一致的。这个可以吗？代码正确吗？

Answer 1

通过仅使用plt.plot()数组且没有相应的y数组调用x，它将使用0, 1, ..., N-1作为x值。这不是我们真正想要的，我们想要x轴上的频率。

让我们用“ bin index”表示您现在在图中看到的x值。假设数组的长度为N，采样频率为fs。在计算FFT时，bin索引0对应于0 Hz的频率。下一个bin索引1对应于频率fs / N Hz。这是因为FFT将具有N值，并且从0 Hz到fs Hz，因此每个步长为fs / N Hz。因此，下一个bin对应于2 * fs / N Hz，依此类推。最后一个bin N-1是(N-1)/N * fs Hz，所以几乎是fs Hz。

如果要创建一个振幅谱与频率关系图，则需要手动创建一个频率矢量，其中包含每个bin索引的实际频率。幸运的是，scipy.fftpack包含以下功能：fftfreq：

freq = scipy.fftpack.fftfreq(n=N, d=1.0 / fs)

然后，我们可以将对plt.plot()的调用修改为使用freq作为x的值，而不是0 ... N-1：

plt.plot(freq, abs(yVals), 'r')

那样，峰值应该在正确的位置。

如果您只想查看单面光谱，则可以像在问题代码中所做的那样裁剪freq和yVals。