Matlab 如何找到周期性声音信号的频率？_Matlab_Audio_Signal Processing_Fft_Frequency

Matlab 如何找到周期性声音信号的频率？

matlab audio

Matlab 如何找到周期性声音信号的频率？,matlab,audio,signal-processing,fft,frequency,Matlab,Audio,Signal Processing,Fft,Frequency,我正在研究行走模式的声音信号，它有明显的规律：然后我想我可以使用FFT函数得到行走的频率（从图像中约1.7Hz）： x = walk_5; % Walking sound with a size of 711680x2 double Fs = 48000; % sound frquency L=length(x); t=(1:L)/Fs; %time base plot(t,x); figure; NFFT=2^nextpow2(

我正在研究行走模式的声音信号，它有明显的规律：

然后我想我可以使用FFT函数得到行走的频率（从图像中约1.7Hz）：

    x = walk_5; % Walking sound with a size of 711680x2 double
    Fs = 48000; % sound frquency
    L=length(x); 

    t=(1:L)/Fs; %time base
    plot(t,x);
    figure;

    NFFT=2^nextpow2(L);      
    X=fft(x,NFFT);       
    Px=X.*conj(X)/(NFFT*L); %Power of each freq components       
    fVals=Fs*(0:NFFT/2-1)/NFFT;      
    plot(fVals,Px(1:NFFT/2),'b','LineSmoothing','on','LineWidth',1);         
    title('One Sided Power Spectral Density');       
    xlabel('Frequency (Hz)')         
    ylabel('PSD');

但它并没有给我我所期望的：

FFT结果：

缩放图像有很多噪音：

在1.7Hz附近没有任何信息

下面是日志域中使用

    semilogy(fVals,Px(1:NFFT));

但它是相当对称的：

我找不到我的代码有任何错误。您是否有任何解决方案可以轻松地从行走模式中提取1.7Hz

这里是mat中音频文件的链接

多谢各位

Kai

我建议您忘记DFT方法，因为由于许多原因，您的信号不适合这种类型的分析。即使通过查看您感兴趣的频率范围内的频谱，也没有简单的方法来估计峰值：

当然，您可以尝试PSD/STFT和其他时髦的方法，但这是一种过分的做法。对于这项任务，我可以想出两种相当简单的方法

第一种是基于自相关函数的

计算ACF

定义它们之间的最小距离。因为您知道预期频率约为1.7Hz，所以它对应于0.58s。让我们把最小距离设为0.5s

计算发现的峰值之间的平均距离

这给了我大约1.72赫兹的频率

第二种方法是基于对您的信号已经有一些周期性峰值的观察。因此，我们可以使用

findpeaks

函数简单地搜索它们

以与前面相同的方式定义最小峰值距离

定义最小峰值高度。例如，最大峰值的10%

求平均差

这给了我1.7赫兹的平均频率

简单快速的方法。显然有一些地方可以改进，例如：

精炼阈值
找到正负峰
注意一些缺失的峰值，即由于低振幅

无论如何，这应该让你开始，而不是停留在蹩脚的FFT和懒惰的半对数X

代码段：

load walk_sound

fs = 48000;
dt = 1/fs;

x = walk_5(:,1);
x = x - mean(x);
N = length(x);
t = 0:dt:(N-1)*dt;

% FFT based
win = hamming(N);
X = abs(fft(x.*win));
X = 2*X(1:N/2+1)/sum(win);
X = 20*log10(X/max(abs(X)));
f = 0:fs/N:fs/2;

subplot(2,1,1)
plot(t, x)
grid on
xlabel('t [s]')
ylabel('A')
title('Time domain signal')

subplot(2,1,2)
plot(f, X)
grid on
xlabel('f [Hz]')
ylabel('A [dB]')
title('Signal Spectrum')

% Autocorrelation
[ac, lag] = xcorr(x);
min_dist = ceil(0.5*fs);
[pks, loc] = findpeaks(ac, 'MinPeakDistance', min_dist);

% Average distance/frequency
avg_dt = mean(gradient(loc))*dt;
avg_f = 1/avg_dt;

figure
plot(lag*dt, ac);
hold on
grid on
plot(lag(loc)*dt, pks, 'xr')
title(sprintf('ACF - Average frequency: %.2f Hz', avg_f))


% Simple peak finding in time domain
[pkst, loct] = findpeaks(x, 'MinPeakDistance', min_dist, ...
                            'MinPeakHeight', 0.1*max(x));

avg_dt2 = mean(gradient(loct))*dt;
avg_f2 = 1/avg_dt2;

figure
plot(t, x)
grid on
hold on
plot(loct*dt, pkst, 'xr')
xlabel('t [s]')
ylabel('A')
title(sprintf('Peak search in time domain - Average frequency: %.2f Hz', avg_f2))