具有相同输入大小的快速和非常慢的 scipy.signal.resample答案

【问题标题】：Both fast and very slow scipy.signal.resample with the same input size具有相同输入大小的快速和非常慢的 scipy.signal.resample
【发布时间】：2019-02-19 13:10:53
【问题描述】：

根据scipy.signal.resample的文档，速度应该根据输入的长度而有所不同：

如前所述，重采样使用 FFT 变换，如果输入样本的数量很大且是素数，这可能会非常慢，请参阅 scipy.fftpack.fft。

但是我有非常不同的时序（因子 x14）使用相同的输入，并且所需的输出大小只有很小的变化：

import numpy as np, time
from scipy.signal import resample

x = np.random.rand(262144, 2)
y = np.random.rand(262144, 2)

t0 = time.time()
resample(x, 233543, axis=0)
print time.time() - t0          # 2.9 seconds here

t0 = time.time()
resample(y, 220435, axis=0)
print time.time() - t0          # 40.9 seconds here!

问题：我可以对输入进行零填充，使其具有 2 的幂（以加快 FFT 计算，像往常一样），但由于我的重采样因子是固定的，我不能同时拥有 2 的幂输入大小和所需输出大小的 2 的幂。

如何加速scipy.signal.resample？

如果不可能，并且如果scipy.signal.resample 的性能会因很大的因素而变化如此大，那么它对于实际使用来说真的不方便。那么它对哪个应用程序有用呢？

注意：我的目标是音频重采样（重调等）

编辑：最好的解决方案终于是to use this。

【问题讨论】：

使用在空间域内插值的重采样函数。

标签： python numpy scipy fft resampling

【解决方案1】：

文档字符串，有点误导，陈述了故事的一部分。重采样过程包括 FFT（输入大小）、零填充和逆 FFT（输出大小）。因此，不方便的输出大小会减慢它的速度，就像不方便的输入大小一样。

Cris Luengo 建议在空间域中使用直接插值，这里应该更快。比如ndimage.zoom使用它（默认三次样条插值）：

from scipy.ndimage import zoom
t0 = time.time()
zoom(y, (220435./262144., 1))   # maybe with prefilter=False ? up to you
print(time.time() - t0)         # about 200 times faster than resample

与重新采样的输出不同（毕竟是不同的方法），但对于平滑数据（与此处使用的随机输入不同），它们应该接近。

【讨论】：

那么如果scipy.signal.resample 的性能可以变化如此之大，它对哪个应用程序有用？我在原帖中添加了这个问题。
上采样 2 的幂 - 整数因子的数组...或者，当您不能将 SciPy 作为依赖项时重新采样。

【解决方案2】：

重采样过程包括 FFT（输入大小）、零填充和逆 FFT（输出大小）。因此，不方便的输出大小会减慢它的速度，就像不方便的输入大小一样。

只是补充一点，这仅适用于上采样。对于下采样过程是：FFT -> 乘法 -> iFFT -> 下采样。所以在下采样中，FFT/iFFT 与输出大小无关，只与输入大小有关。

【讨论】：