Python频率检测

Question

好的，我正在尝试做的是一种音频处理软件，它可以检测一个流行的频率，如果这个频率播放了足够长的时间(几毫秒)，我知道我得到了一个肯定的匹配。我知道我需要使用FFT或类似的东西，但在这个数学领域我很糟糕，我确实在互联网上搜索过，但没有找到只能做到这一点的代码。

我试图获得的目标是使自己的自定义协议发送数据通过声音，需要非常低的比特率每秒(5-10bps)，但我也非常有限的发送端，所以接收软件将需要能够自定义(不能使用实际的硬件/软件调制解调器)，也希望这是软件(没有额外的硬件，除了声卡)

非常感谢你的帮助。

Answer 1

Python库已经被SWIG封装，因此可以由aubio使用。在它们的众多特征中，包括几种基音检测/估计方法，包括YIN算法和一些谐波梳子算法。

但是，如果你想要更简单的东西，我前段时间写了一些基音估计的代码，你可以接受也可以放弃。它不会像在aubio中使用算法那样精确，但它可能足以满足您的需求。我基本上只是将数据的FFT乘以一个窗口(在本例中为Blackman窗口)，对FFT值进行平方，找到具有最高值的bin，然后使用最大值及其两个邻近值的对数围绕峰值进行二次插值，以找到基频。这是我从一些论文中找到的二次插值。

它在测试音调上工作得相当好，但它不会像上面提到的其他方法那样健壮或准确。可以通过增加块大小(或减少块大小)来提高准确性。块大小应该是2的倍数才能充分利用FFT。此外，我只确定每个块的基本音高，没有重叠。我使用PyAudio播放声音，同时写出估计的音高。

源代码：

# Read in a WAV and find the freq's
import pyaudio
import wave
import numpy as np

chunk = 2048

# open up a wave
wf = wave.open('test-tones/440hz.wav', 'rb')
swidth = wf.getsampwidth()
RATE = wf.getframerate()
# use a Blackman window
window = np.blackman(chunk)
# open stream
p = pyaudio.PyAudio()
stream = p.open(format =
                p.get_format_from_width(wf.getsampwidth()),
                channels = wf.getnchannels(),
                rate = RATE,
                output = True)

# read some data
data = wf.readframes(chunk)
# play stream and find the frequency of each chunk
while len(data) == chunk*swidth:
    # write data out to the audio stream
    stream.write(data)
    # unpack the data and times by the hamming window
    indata = np.array(wave.struct.unpack("%dh"%(len(data)/swidth),\
                                         data))*window
    # Take the fft and square each value
    fftData=abs(np.fft.rfft(indata))**2
    # find the maximum
    which = fftData[1:].argmax() + 1
    # use quadratic interpolation around the max
    if which != len(fftData)-1:
        y0,y1,y2 = np.log(fftData[which-1:which+2:])
        x1 = (y2 - y0) * .5 / (2 * y1 - y2 - y0)
        # find the frequency and output it
        thefreq = (which+x1)*RATE/chunk
        print "The freq is %f Hz." % (thefreq)
    else:
        thefreq = which*RATE/chunk
        print "The freq is %f Hz." % (thefreq)
    # read some more data
    data = wf.readframes(chunk)
if data:
    stream.write(data)
stream.close()
p.terminate()

Answer 2

如果你打算使用FSK (frequency shift keying)对数据进行编码，你最好使用Goertzel algorithm，这样你就可以只检查你想要的频率，而不是完整的DFT/FFT。

Answer 3

您可以从here中找到声音上方滑动窗口的频谱，然后通过从here中查找该频带的频谱曲线下的区域来检查是否存在流行频带。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import auc
np.random.seed(0)

# Sine sample with a frequency of 5hz and add some noise
sr = 32  # sampling rate
y = np.linspace(0, 5 * 2*np.pi, sr)
y = np.tile(np.sin(y), 5)
y += np.random.normal(0, 1, y.shape)
t = np.arange(len(y)) / float(sr)

# Generate frquency spectrum
spectrum, freqs, _ = plt.magnitude_spectrum(y, sr)

# Calculate percentage for a frequency range 
lower_frq, upper_frq = 4, 6
ind_band = np.where((freqs > lower_frq) & (freqs < upper_frq))
plt.fill_between(freqs[ind_band], spectrum[ind_band], color='red', alpha=0.6)
frq_band_perc = auc(freqs[ind_band], spectrum[ind_band]) / auc(freqs, spectrum)
print('{:.1%}'.format(frq_band_perc))
# 19.8%

​

​