Обнаружение частоты Python

Question

Хорошо, что я пытаюсь сделать, это своего рода программное обеспечение для обработки аудио, которое может обнаружить распространенную частоту, если частота воспроизводится достаточно длинной (несколько мс), я знаю, что я получил положительный матч. Я знаю, что мне нужно будет использовать FFT или что-то Simiral, но в этой области математики я сосу, я искал интернет, но не нашел код, который мог сделать только это.

Цель, которую я пытаюсь ускорить, состоит в том, чтобы сделать себе нестандартный протокол для отправки данных Chrough Sound, нуждается в очень низком битреете в секунду (5-10 с / с), но я также очень ограничен на концом передачи, поэтому требуемое программное обеспечение должно быть возможности Не могу использовать фактическое оборудование / программное обеспечение Modem), также я хочу, чтобы это было только программное обеспечение (без дополнительного оборудования, кроме SoundCard)

Большое спасибо за помощь.

Answer 1

То aubio Библиотеки были обернуты с Swig и, таким образом, могут использоваться Python. Среди их множества функций включают в себя несколько методов обнаружения / оценки высоты тона, включая Йин алгоритм и некоторые гармонические комбинационные алгоритмы.

Однако, если вы хотите что-то проще, я написал какой-то код для оценки высоты тона некоторое время назад, и вы можете взять его или оставить его. Это не будет таким точным, как и использование алгоритмов в Aubio, но это может быть достаточно хорошо для ваших потребностей. Я в основном просто взял FFT времени данных в окно (окно Blackman в этом случае), в квадрате в квадрате в квадрате установлено, что BIN, который имел наибольшее значение, и использовал квадратичную интерполяцию вокруг пика, используя журнал максимального значения. и его два соседних значения, чтобы найти фундаментальную частоту. Квадратичная интерполяция, которую я взял из какой-то бумаги, которую я нашел.

Он работает довольно хорошо на тестовых тонах, но он не будет такой же надежной или такой же точностью, как и другие методы, упомянутые выше. Точность может быть увеличена путем увеличения размера чанка (или уменьшена, уменьшая его). Размер чанка должен быть кратным 2 для полного использования FFT. Кроме того, я только определяю фундаментальную высоту для каждого куска без перекрытия. Я использовал Pyaudio, чтобы сыграть звук, когда выписали предполагаемую высоту.

Исходный код:

# 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

Если вы собираетесь использовать FSK (клавиша переключения частоты) для кодирования данных, вы, вероятно, лучше используете Алгоритм Гордвижила Таким образом, вы можете проверить только частоты, которые вы хотите, вместо полного DFT / FFT.

Answer 3

Вы можете найти частотный спектр скользящих окон над вашим звуком из здесь а затем проверьте наличие распространенной полосы частот через нахождение области под кривой частоты спектра для этой полосы от здесь.

Answer 4

Пока я не пробовал обработку аудио на Python, возможно, вы можете построить что-то на основе Каникул (или его subproject numpy), рамки для эффективных научных / инженерных численных вычислений? Вы можете начать, глядя на Scipy.ffftpack для вашего FFT.