Python 如何从信号中获取频率？

我正在寻找一种从信号中获得频率的方法。下面是一个例子：

signal = [numpy.sin(numpy.pi * x / 2) for x in range(1000)]

此数组将表示录制的声音样本（x=毫秒）

sin（pi*x/2）=>250 Hrz

我们如何从信号（点列表）中获得该阵列的频率

注意： 我读过很多Stackoverflow帖子，也看过很多youtube视频。我还没有找到答案。请用简单的词。

---

（我感谢你的每一个答案）

你要找的就是

---

一点背景 让我们从以下内容开始：

傅立叶变换（FT）将函数（通常是时间函数或信号）分解为其组成频率

这本质上是一个数学运算，当应用于一个信号时，可以让你了解每个频率在时间序列中的呈现方式。为了获得这一点背后的一些直觉，看看以下的数学定义可能会有所帮助：

其中，

k

这里一直向上扫掠t

N-1

，以计算所有的

DFT

系数

首先要注意的是，这个定义在某种程度上类似于两个函数的相关性，在本例中是

x（n）

和负指数函数。虽然这看起来有点抽象，但通过使用和玩弄定义，DFT可以表示为正弦波和余弦波的相关性，这将解释

DFT

的虚部和实部

因此，请记住，这本质上是计算相关性，每当复指数分解的对应正弦或余弦与

x（n）

匹配时，

x（K）

中将出现峰值，这意味着信号中存在该频率

---

我们怎么能对numpy做同样的事？

因此，给出了一个非常简短的理论背景，让我们考虑一个例子，看看如何在Python中实现这一点。让我们考虑一下：

现在，DFT可以通过使用来计算，如前所述，它将告诉您，现在在变换域中的信号中，每个频率的贡献是什么：

n = len(y) # length of the signal
k = np.arange(n)
T = n/Fs
frq = k/T # two sides frequency range
frq = frq[:len(frq)//2] # one side frequency range

Y = np.fft.fft(y)/n # dft and normalization
Y = Y[:n//2]

现在，如果我们画出实际的频谱，你会看到在50Hz的频率上有一个峰值，用数学术语来说，它是一个以50Hz的基频为中心的δ函数。这可以在下表中进行检查

对于上述信号，我们将得到：

plt.plot(frq,abs(Y)) # plotting the spectrum
plt.xlabel('Freq (Hz)')
plt.ylabel('|Y(freq)|')

你的问题是“我想做一个傅里叶变换，但我不知道它叫傅里叶变换”吗？如果是这样的话，NumPy就有了。

plt.plot(frq,abs(Y)) # plotting the spectrum
plt.xlabel('Freq (Hz)')
plt.ylabel('|Y(freq)|')