时间戳

首页 > 解决方案 > 返回 Numpys FFT 的数据并在音频文件中找到每秒的幅度和频率

python - 返回 Numpys FFT 的数据并在音频文件中找到每秒的幅度和频率

问题描述

在过去的几天里，我一直在学习如何阅读我在 python 中做的音频可视化项目的 wav 文件。该项目进展顺利，但我对读取 wavfile 返回的数据以及从 np.fft.fft() 返回的复数数组有一些疑问

所以刚开始复数代表什么？实部和虚部？

我的真正问题在这里：我还被告知频率是复数的索引位置这是真的吗？

加载音频文件并通过 FFT 运行后，例如，我可以得到一个长度为 10591232 的数组，一个非常大的数字，我的想法是取该数字并除以音频采样率以获得每秒使用的频率列表

这种想法是错误的吗？如果是这样，应该怎么做？我将在下面发布我的代码以展示我的想法，对不起，我一直在搜索无数 StackOverflow 帖子并得到了很多不同的答案。再次感谢阅读！

sample_rate, data = wavfile.read(sound_file)

channel_num = data.shape[1]
audio_length = data.shape[0] / sample_rate
time = np.linspace(0., audio_length, data.shape[0])

frequencies = np.fft.fft(time)
frequencies_per_second = np.array_split(frequencies, len(frequencies) / sample_rate)

pprint(len(frequencies_per_second[1]))
print(len(frequencies))

标签： pythonnumpyaudiofft

解决方案

使用复数是因为这是表示每个 DFT 结果的幅度和相位的一种数学上优雅的方式。

FFT 结果向量的 bin 或元素索引与变换基向量的频率相关。通常，对于 FFT 结果向量的前半部分：

basis_vector_frequency = index * sample_rate / FFT_length

然而，由于窗口效应，每个变换基向量的频率可能与输入信号的某些成分的频率完全匹配，也可能不完全匹配。

推荐阅读