了解Python代码片段中的FFT操作

我在一个对音频数据进行实时FFT图形的程序中遇到了这段代码：

data=scipy.array(struct.unpack("%dB"%(bufferSize*2),data))
ffty=scipy.fftpack.fft(data)
ffty=abs(ffty[0:len(ffty)/2])/1000
ffty1=ffty[:len(ffty)/2]
ffty2=ffty[len(ffty)/2::]+2                
ffty2=ffty2[::-1]                
ffty=ffty1+ffty2                              
ffty=scipy.log(ffty)-2

在

abs（）

之后，我不理解零件背后的数学。它的作用类似于将震级数组的前半部分与后半部分相加，再加上2

这是某种正常化吗

这是来源：

---

我猜音频是以立体声文件格式出现的，这是左/右声道的平均值。我这么说是因为这行：

fftx=fftx[0:len（fftx）/4]

这是使用立体声信号时的常见操作

---

但是我不知道为什么会有一条通道被抬高。

我不知道Python，但它看起来只是将实数到复数FFT输出的两个镜像复共轭部分的大小相加。你可以很容易地只取上半部分的大小乘以2

---

最后，它计算对数幅值，大概是为了得到（缩放）dB值。

好吧，日志可以得到缩放后的dB幅值，但是由于dB值是任意的，没有某种0 dB的参考，我想-2只是为了得到绘图/显示所需的范围。它在

abs

表达式中获取非负频率，但它有一个一次性的错误。非负频率部分的长度需要为N//2+1。我想它会切断最后一个样本，以便为下一个部分提供一个均匀的长度向量。出于某种原因，我不知道为什么，它会在表达式的上半部分添加两个（从pi/2弧度/采样开始），将其反转并添加到频谱的下半部分。此外，不能简单地将所有非负频率分量加倍。这将使0和pi弧度/采样的值加倍，这两个值已经处于正确的值（即，它们没有拆分为共轭）。此外，只有当N为偶数时，π弧度/样本处的分量才会出现。我忽略了

解包

，这更令人困惑，但在某种程度上解释了光谱折叠。他将

int16

值解包为无符号字节（'B'），将向量长度加倍。他根本不应该用NumPy/SciPy使用

struct.unpack

。但如果他这样做了，则需要将其解包为

签名的short

（格式“h”）。相反，请使用

np.frombuffer（data，dtype=np.int16）

让NumPy直接使用数据缓冲区，而不是复制内存中的数组。@eryksun-谢谢，我实际上是在代码中使用带“%dh”的struct.unpack-不明白上面为什么使用“%dB”。我想这可以解释上面的一些操作。我将切换到frombuffer（）。