Question

我正在尝试使用快速傅立叶变换和numpy查找从wav文件中获取的数字数组的频率，但是我收到的频率输出错误。

这是我的代码：

from pydub import AudioSegment
import numpy as np

np.set_printoptions(threshold=np.inf)

sound = AudioSegment.from_mp3("500Hz.wav")

raw_data = sound.raw_data
raw_data = np.fromstring(raw_data, dtype=np.int16)

print(raw_data[:2000:21])

wave = raw_data 
fft = np.fft.rfft(wave)
fft = np.abs(fft)

print(max(list(fft)))
print(list(fft).index(max(list(fft))))

fft = np.array([int(i) for i in fft])

500Hz.wav文件是使用Audacity创建的3秒钟的500Hz音频波。

代码返回以下内容：

[     0  26138   3906 -25559  -7727  24402  11370 -22702 -14767  20496
  17830 -17830 -20498  14763  22701 -11374 -24400   7728  25557  -3907
 -26140      0  26141   3905 -25555  -7728  24404  11373 -22704 -14767
  20496  17831 -17829 -20493  14765  22698 -11375 -24404   7725  25553
  -3906 -26138     -1  26141   3907 -25559  -7726  24402  11375 -22702
 -14765  20497  17830 -17831 -20498  14762  22700 -11374 -24401   7726
  25557  -3906 -26141      2  26139   3912 -25556  -7728  24401  11376
 -22702 -14767  20499  17830 -17830 -20496  14766  22704 -11372 -24405
   7725  25559  -3906 -26141     -1  26139   3906 -25556  -7725  24404
  11373 -22702 -14769  20495  17831 -17832]
2046217405.9084692
1770

这表明峰值位于1770Hz，而不是500Hz，我不确定是什么原因引起的。如果我缺少任何信息，请告诉我，以便将其添加到问题中！

编辑：该文件位于https://ufile.io/nk7j9

Answer 1

与索引1770相对应的频率取决于帧的持续时间。例如，如果帧持续3秒，则索引i的频率为{ {1}}赫兹。零频率对应于信号的平均值或直流分量：目前为零。如果索引1770对应于500Hz，则帧的持续时间可能约为3.22秒。 由于使用pydub读取了文件，因此可以使用i/3以毫秒为单位缩短此持续时间

即使信号是正弦波，离散傅立叶变换（DFT）的峰值也可能跨越多个频率。每当帧的长度不是正弦波周期的倍数时，就会发生这种情况，称为spectral leakage。可以通过在DFT之前应用window来调整它。

最后，用作输入的正弦波周期可能与DFT的离散频率不同。因此，使用最高振幅的指标来估计正弦波的频率可能会略有错误。要纠正这一点，可以将DFT振幅峰值的实际频率估算为相对于功率密度的平均频率，请参见Why are frequency values rounded in signal using FFT?

Python-傅立叶变换错误的频率

1 个答案: