使用python对音频样本应用过滤器

我正在尝试将我的Matlab代码移植到Python上，但在过滤函数方面遇到了一些问题

以下是上下文：

我通过调用以下函数创建了butterworth滤波器（fc是带通中心频率，q是质量因子，n是顺序）：

我从音频信号中检索数据（单声道，在fs=48000时采样，16位整数）。当我绘制滤波器的频率响应或音频样本的振幅谱时，两者都给出了我期望的结果

代码如下：

# Imports
import numpy as np
import matplotlib.pyplot as plt
import scipy.io.wavfile as sw
from scipy import signal
from scipy.signal import butter, lfilter

# Read audio file
fs, y = sw.read(file)
# Nb of samples and time scale
N = len(y)
t = np.linspace(0, N/fs, N)
# Plot amplitude spectrum
plt.plot(t, y/max(y))

# Filter creation
b, a = bandpass(1000, 5, 2)
w, h = signal.freqs(b, a, np.logspace(0, 5, 20000))
# Plot frequential response
plt.semilogx(w, 20 * np.log10(abs(h)));

# Apply filter on audio signal
lfilter(b, a, y) # < Give unexepected results

#导入
将numpy作为np导入
将matplotlib.pyplot作为plt导入
将scipy.io.wav文件作为软件导入
从scipy输入信号
来自scipy.signal进口黄油，lfilter
#读取音频文件
fs，y=sw.read（文件）
#样本数量和时间尺度
N=len（y）
t=np.linspace（0，N/fs，N）
#绘制振幅谱
plt.绘图（t，y/max（y））
#过滤器创建
b、 a=带通（1000,5,2）
w、 h=信号频率（b，a，np.对数空间（0，5，20000））
#绘图频率响应
plt.semilogx（w，20*np.log10（abs（h））；
#对音频信号应用滤波器
lfilter（b，a，y）#<给出了未预期的结果

然后是我陷入困境的部分：我试图在音频样本上应用巴特沃斯滤波器，但它似乎不起作用，因为滤波后的信号发散到无穷远，最终由于未知的原因以NaN值结束。我认为尽管遵循了这些文件，我还是错过了一步。我还尝试了filt（），因为它出现在我做的一些研究中，但也不起作用

这是我用Matlab得到的结果，我正试图复制它

我错过了什么

谢谢你的回答：）

---

额外问题：我如何才能在Matlab中绘制此（

视图（-45,65）

）

您有一个采样（即离散时间）信号。要对其进行过滤，必须使用离散过滤器，因此的

analog

参数必须为

False

（这是默认值）

要分析数字滤波器的频率响应，请使用，而不是

freqs

---

有关带通滤波器的相关问题和答案，请参阅。

我从未做过类似的工作，但我检查了文档，发现

lfilter

无法正常工作。因此，

lfilter（b，a，y）

什么都不做；该函数的结果将被丢弃，因为您没有将它们重新分配给某个对象，例如

something=lfilter（b，a，y）

显示整个代码，包括导入。另外，我不知道这是否是一个错误或输入错误（很可能是第二个错误），返回函数中缺少了一个“]。是的，我没有指定它，但我实际上保存了结果（这就是为什么我知道它以NaN结尾，它看起来像：

数组（[-1.1000000e+05，1.54463492e+07，5.65446349e+08，…，NaN，NaN，NaN]））

，但由于数据不正确，我无法绘制它

# Imports
import numpy as np
import matplotlib.pyplot as plt
import scipy.io.wavfile as sw
from scipy import signal
from scipy.signal import butter, lfilter

# Read audio file
fs, y = sw.read(file)
# Nb of samples and time scale
N = len(y)
t = np.linspace(0, N/fs, N)
# Plot amplitude spectrum
plt.plot(t, y/max(y))

# Filter creation
b, a = bandpass(1000, 5, 2)
w, h = signal.freqs(b, a, np.logspace(0, 5, 20000))
# Plot frequential response
plt.semilogx(w, 20 * np.log10(abs(h)));

# Apply filter on audio signal
lfilter(b, a, y) # < Give unexepected results