Python查找随时间变化的音频和振幅

这是我想做的。我想找到音频频率和振幅的.wav文件在每说1毫秒的.wav文件，并保存到一个文件。我已经画出了频率和振幅的关系图，也画出了振幅随时间的变化图，但我无法计算出频率随时间的变化。我的最终目标是能够读取文件并使用它们来调整变量和频率，以触发正在使用的变量，这似乎是最简单的部分。我一直在使用numpy、audiolab、matplotlib等。。。使用FFT的，但我只是不能弄明白这一点，任何帮助是感激的！谢谢大家!

使用具有重叠窗口的STFT来估计光谱图。为了省去自己滚动的麻烦，可以使用Matplotlib的mlab。重要的是要使用一个足够小的窗口，对于该窗口，音频几乎是静止的，并且缓冲区大小应该是2的幂，以便有效地使用公共基2 fft。512个样品（48 ksps时约10.67 ms；或每个料仓93.75 Hz）应足够。对于48 ksps的采样率，每1ms重叠464个样本以评估滑动窗口（即移动48个样本）

编辑：

下面是一个示例，它在8秒信号上使用

mlab.specgram

，该信号从2 kHz到16 kHz每秒有1个音调。注意瞬态时的响应。我放大了4秒，以更详细地显示响应。频率精确移动4秒，但需要缓冲区长度（512个采样；约+/-5 ms）才能通过瞬态。这说明了非平稳跃迁通过缓冲器时引起的光谱/时间涂抹。此外，您可以看到，即使在信号静止的情况下，也存在因数据窗口化而导致的频谱泄漏问题。使用了Hamming来最小化泄漏的副瓣，但这也会扩大主瓣

将numpy导入为np
从matplotlib导入mlab、pyplot
#Python2.x：
#来自未来进口部
Fs=48000
N=512
f=np.arange（1,9）*2000
t=np.arange（8*Fs）/Fs
x=np.空（t.形）
对于范围（8）中的i：
x[i*Fs：（i+1）*Fs]=np.cos（2*np.pi*f[i]*t[i*Fs：（i+1）*Fs]）
w=np.hamming（N）
ov=N-Fs//1000#例如512-48000//1000==464
Pxx，freqs，bins=mlab.specgram（x，NFFT=N，Fs=Fs，window=w，
noverlap=ov）
#以分贝为单位绘制频谱图
Pxx_dB=np.log10（Pxx）
pyplot.子批次调整（hspace=0.4）
pyplot.子地块（211）
ex1=存储箱[0]，存储箱[-1]，频率[0]，频率[-1]
pyplot.imshow（np.flipud（Pxx_dB），extent=ex1）
pyplot.axis（'auto'）
pyplot.axis（ex1）
pyplot.xlabel（'time（s）'
pyplot.ylabel（'频率（Hz）'）
#在t=4s时放大以显示瞬态
pyplot.子地块（212）
n1，n2=int（3.991/8*len（箱）），int（4.009/8*len（箱））
ex2=存储箱[n1]，存储箱[n2]，频率[0]，频率[-1]
pyplot.imshow（np.flipud（Pxx_dB[：，n1:n2]），extent=ex2）
pyplot.axis（'auto'）
pyplot.axis（ex2）
pyplot.xlabel（'time（s）'
pyplot.ylabel（'频率（Hz）'）
pyplot.show（）

声音文件在任何给定时间都不会只有一个“频率”，除非它只是一个纯正弦音调的记录。您可能需要做的是定期捕获功率谱并存储，或者可能对功率谱进行某种处理，例如识别最大的N个峰值并存储这些峰值。