如何分析波形文件的頻率

Question

如何以簡單的方式分析波形文件的頻率？沒有額外的模塊。

Answer 1

這是什麼意思「分析」？這可能意味着很多不同的東西，但是我知道最簡單的方法一個大約是使用convolution，你可以很容易地實現對discrete functions（你必須在數組中的點或是試圖分立步驟）：

這可以很容易地做到：

for i in main_array: 
    from = i - len(convolution_kernel)/2 
    // Todo: check boundaries 
    result[i] = 0 

    for j in convolution_kernel: 
     result[i] += convolution_kernel[j] * main_array(from+j) 

或者你可以使用循環卷積（想法來自eryksuns評論拍攝）：

result = [sum(f[m]*g[n-m] for m in xrange(len(f))) for n in xrange(len(g))] 

這將使您能夠測試某個信號是否出現在另一個信號中（並且您將嘗試頻率10,20,50，...並獲得最佳結果）。

你也可以google determine wave frequency或研究Fourier transformation有點（這是很多信號處理算法的基礎）。

Answer 2

免責聲明：信號處理是不是我的專業，這個答案可能有點粗糙和簡陋;隨時糾正/我:)

我會去了解一下傅立葉分析。 A Fourier transformation將您的輸入從時域轉換到頻域。讓我來解釋一下，多一點：

抽樣時的聲音，例如，你確定你的採樣頻率和您的位深度。我相信CD的採樣率爲44.1 kHz，分辨率爲16位。樣品。這意味着音樂每秒採樣44,100次並轉換爲16位值。音樂被表示爲長度爲44,100的矢量（或數組）。它是時間的函數，因此這是時間域。

在另一方面，進行數據的傅里葉變換，你就會有表現爲頻率的函數，而不是數據。你仍然會有一個向量44,100個元素長，但每個元素將代表幅度 - 你在每個頻率上採樣了多少「信號」！換句話說，您的信號在整個採樣週期內包含的每個給定頻率有多少信號。

你應該看看離散傅立葉分析和快速傅立葉變換（FFT）的實現。

這個問題倒是FFT分析多一點： Scipy/Numpy FFT Frequency Analysis

編輯：

我無恥地偷走一些圖形在線：

FFT計算公式：

時間與頻率範圍：

Answer 3

如果你的波形文件只包含一個音符，你可以簡單地通過檢測波的週期性得到的基頻（而不是諧波）。通過查找0交叉口來做到這一點。

Answer 4

如果您不希望實現整體FFT算法，不希望任何額外的模塊，那麼我會的電子書籍，其Goertzel Algorithm是有效的傅里葉變換爲特定的工頻突變，讓您在該頻率的電​​源樣品：

define goertzel(sample, target_frequency, sample_rate): 
    s_prev = 0 
    s_prev2 = 0 
    normalized_frequency = target_frequency/sample_rate 
    coeff = 2 * cos(2 * PI * normalized_frequency) 
    for element in sample: 
     s = element + coeff * s_prev - s_prev2 
     s_prev2 = s_prev 
     s_prev = s 
    end 
    power = s_prev2 * s_prev2 + s_prev * s_prev - coeff * s_prev * s_prev2 
    return power