Блог

Я столкнулся с очень странной проблемой с моими сюжетами. Мой код записывает мой голос с микрофона, а затем составляет несколько графиков. График голоса во временной области, график в частотной области и спектрограмма. Проблема в том, что мой график в частотной области не соответствует действительности. Например, взгляните на мои сюжеты.

Поэтому в этой записи я говорю «раз, два, три, четыре» или что-то в этом роде. График временной области действительно имеет смысл. Спектрограмма также в моих глазах имеет смысл, потому что самые громкие значения Фурье находятся на нормальных частотах человеческого голоса ~100 Гц.

Проблема в том, что

Мое короткое преобразование Фурье в частотной области, похоже, отображает очень высокие частоты с очень большой величиной, а частоты человеческого голоса 1-1000 имеют нулевое значение.

Так что же, может быть, происходит не так? Ниже я даю свой код

 import matplotlib.pyplot as plt import numpy as np import scipy.fft import sounddevice as sd from scipy import signal, fft  Fs = 8000 # Sampling frequency duration = 5 # Recording duration in seconds voice = sd.rec(frames=duration * Fs, samplerate=Fs, channels=1, dtype='int16') # Capture the voice # frames indicate indirectly the duration of record, dtype is 16 bits per sample. sd.wait() # close after recording finish time = np.linspace(0, len(voice - 1) / Fs, len(voice - 1)) # split x axis in voice-1 points # points have 1/Fs distance each other plt.plot(voice / len(voice)) plt.ylabel('Voice amplitude') plt.xlabel('No of sample') plt.title("Voice Signal with respect to sample number") plt.show() plt.plot(time, voice / len(voice)) # plot in seconds plt.title("Voice Signal") plt.xlabel("Time [seconds]") plt.ylabel("Voice amplitude") plt.show() plt.plot((10**3)*time, voice / len(voice)) # plot in milliseconds plt.title("Voice Signal") plt.xlabel("Time [milliseconds]") plt.ylabel("Voice amplitude") plt.show() N = len(voice) # Fourier transform F = scipy.fft.fft(voice) / N #f = np.linspace(0, Fs - Fs / N, N) f = fft.fftfreq(n=N, d=1 / Fs)[:N // 2] #f = np.linspace(0, 4000, N//2) plt.plot(f, abs(F[0:N // 2])) plt.title("FFT of the signal") plt.xlabel('Frequency') plt.ylabel('Power of Frequency') plt.show() Voice = voice.flatten() # formatting Voice 2-D array to numpy 1-D array print(Voice) freq, t, stft = signal.spectrogram(Voice, Fs, mode='complex') #Sxx, freq, t = plt.specgram(Voice, Fs=Fs, mode='magnitude') print(stft) print(freq) print(t) plt.pcolormesh(t, freq, abs(stft), shading='gouraud') plt.title('Spectrogramm using STFT amplitude') plt.ylabel('Frequency [Hz]') plt.xlabel('Time [seconds]') plt.show()  

С помощью 2D — массива voice (скорее всего, Nx1, для монофонической записи) scipy.fft.fft в конечном итоге вычисляется партия из N 1D БПФ длиной 1. Поскольку БПФ последовательности из 1 значения является идентичностью, то, что вы видите на своем 2-м графике, является абсолютным значением первой половины вашего сигнала во временной области.

Попробуйте вычислить БПФ на 1D массиве (один канал), например, с помощью :

 F = scipy.fft.fft(voice[:,0]) / N