【问题标题】：DSP : audio processing : squart or log to leverage fft?DSP : 音频处理 : squart 或 log 来利用 fft？
【发布时间】：2013-12-02 04:42:26
【问题描述】：

上下文：

我正在探索 DSP 的广阔领域。是的，我是初学者。

我的目标：

对audiolab给出的音频数组应用fft，得到信号的不同频率。

问题：

一个问题：感谢 audiolab，我无法处理包含音频数据的 numpy 数组。：

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.fft(data))

现在我得到了我的数据。

读数

我在这里读到了这两篇不错的文章：

Analyze audio using Fast Fourier Transform（接受的答案很棒）

和

http://www.onlamp.com/pub/a/python/2001/01/31/numerically.html?page=2

现在有两种技术：显然一种建议正方形（第一个链接），而另一种建议是对数，尤其是：10ln10(abs(1.10**-20 + value))

哪个最好？

总结：

我想对我的阵列进行傅立叶分析，但这两个答案中的任何一个似乎都只强调信号而不隔离组件。

我可能错了，我还是个菜鸟。

那我该怎么办呢？

谢谢，

更新：

我问这个问题： DSP - get the amplitude of all the frequencies 和这个有关。

【问题讨论】：

标签： python audio numpy signal-processing fft

【解决方案1】：

您的问题似乎很困惑，但您显然已经尝试了一些东西，这很棒。让我退后一步，为您推荐一条总体路线：

首先将您的音频分成一定大小的块，比如 N。
对 N 个样本的每个块执行 FFT。
然后担心将数据显示为 RMS（平方方法）或 dB（基于 ln 的方法）。

确实，您可以将这些值视为显示的比例因子。

如果您需要有关 FFT 本身的帮助，我关于使用 FFT 进行音高检测的博文可能会有所帮助：http://blog.bjornroche.com/2012/07/frequency-detection-using-fft-aka-pitch.html

【讨论】：

"频率将是 bin 数量乘以我们之前计算的 bin 大小。请注意，我们实际上不需要计算平方根来找到最大幅度，所以我们的实际代码跳过那一步”。所以我真正关心的不是一个？
是的，该教程描述的是找到一个频率，并且您想查看所有频率，因此您不会选择一个频率，而是取所有频率的大小。
不过，这确实是一个不同的问题 -- 也许您应该创建一个新问题并将其链接到此处。
我用相关问题的链接更新了我的初始问题。谢谢

【解决方案2】：

补充@Bjorn Roche 给出的答案。

这是一个使用 dB 标度绘制频谱的简单代码。它使用 matplotlib 进行绘图。

import numpy as np
import pylab

# for a real signal
def plotfftspectrum(signal, dt):  # where dt is the sample rate
    n = signal.size
    spectrum = np.abs(np.fft.fft(signal))
    spectrum = 20*np.log(spectrum/spectrum.max()) # dB scale
    frequencies = np.fft.fftfreq(n, dt)
    pylab.plot(frequencies[:n//2], spectrum[:n//2]) 
    # plot n//2 due real function symmetry   
    pylab.show()

您可以在读取至少一些数据样本后使用它，例如 1024。

data = f.read_frames(1024)
plotfftspectrum(data, 1./f.samplerate)

我相信你的采样率是频率。

【讨论】：