代码之家  ›  专栏  ›  技术社区  ›  Vrishabh Lakhani

如何使用python matplotlib库从wav文件中提取数据?

  •  0
  • Vrishabh Lakhani  · 技术社区  · 9 年前

    我正试图从wav文件中提取数据,以对每个频率及其振幅与时间的关系进行音频分析,我的目标是为一个大学项目的机器学习算法运行这些数据,经过一番谷歌搜索,我发现这可以通过Python的matplotlib库来完成,我看到了一些运行短时傅里叶变换的示例代码,并绘制了这些wav文件的频谱图,但我无法理解如何使用该库提取数据(音频文件中给定时间的所有频率振幅)并将其存储在3D阵列或.mat文件中。 这是我在一些电脑上看到的代码 website :

    #!/usr/bin/env python
    
    """ This work is licensed under a Creative Commons Attribution 3.0 Unported License.
    Frank Zalkow, 2012-2013 """
    
    import numpy as np
    from matplotlib import pyplot as plt
    import scipy.io.wavfile as wav
    from numpy.lib import stride_tricks
    
    """ short time fourier transform of audio signal """
    def stft(sig, frameSize, overlapFac=0.5, window=np.hanning):
        win = window(frameSize)
        hopSize = int(frameSize - np.floor(overlapFac * frameSize))
    
        # zeros at beginning (thus center of 1st window should be for sample nr. 0)
        samples = np.append(np.zeros(np.floor(frameSize/2.0)), sig)    
        # cols for windowing
        cols = np.ceil( (len(samples) - frameSize) / float(hopSize)) + 1
        # zeros at end (thus samples can be fully covered by frames)
        samples = np.append(samples, np.zeros(frameSize))
    
        frames = stride_tricks.as_strided(samples, shape=(cols, frameSize), strides=(samples.strides[0]*hopSize, samples.strides[0])).copy()
        frames *= win
    
    
        return np.fft.rfft(frames)    
    
    """ scale frequency axis logarithmically """    
    def logscale_spec(spec, sr=44100, factor=20.):
        timebins, freqbins = np.shape(spec)
    
        scale = np.linspace(0, 1, freqbins) ** factor
        scale *= (freqbins-1)/max(scale)
        scale = np.unique(np.round(scale))
    
        # create spectrogram with new freq bins
        newspec = np.complex128(np.zeros([timebins, len(scale)]))
        for i in range(0, len(scale)):
            if i == len(scale)-1:
                newspec[:,i] = np.sum(spec[:,scale[i]:], axis=1)
            else:        
                newspec[:,i] = np.sum(spec[:,scale[i]:scale[i+1]], axis=1)
    
        # list center freq of bins
        allfreqs = np.abs(np.fft.fftfreq(freqbins*2, 1./sr)[:freqbins+1])
        freqs = []
        for i in range(0, len(scale)):
            if i == len(scale)-1:
                freqs += [np.mean(allfreqs[scale[i]:])]
            else:
                freqs += [np.mean(allfreqs[scale[i]:scale[i+1]])]
    
        return newspec, freqs
    
    """ plot spectrogram"""
    def plotstft(audiopath, binsize=2**10, plotpath=None, colormap="jet"):
        samplerate, samples = wav.read(audiopath)
        s = stft(samples, binsize)
    
        sshow, freq = logscale_spec(s, factor=1.0, sr=samplerate)
        ims = 20.*np.log10(np.abs(sshow)/10e-6) # amplitude to decibel
    
        timebins, freqbins = np.shape(ims)
    
        plt.figure(figsize=(15, 7.5))
        plt.imshow(np.transpose(ims), origin="lower", aspect="auto", cmap=colormap, interpolation="none")
        plt.colorbar()
    
        plt.xlabel("time (s)")
        plt.ylabel("frequency (hz)")
        plt.xlim([0, timebins-1])
        plt.ylim([0, freqbins])
    
        xlocs = np.float32(np.linspace(0, timebins-1, 5))
        plt.xticks(xlocs, ["%.02f" % l for l in ((xlocs*len(samples)/timebins)+(0.5*binsize))/samplerate])
        ylocs = np.int16(np.round(np.linspace(0, freqbins-1, 10)))
        plt.yticks(ylocs, ["%.02f" % freq[i] for i in ylocs])
    
        if plotpath:
            plt.savefig(plotpath, bbox_inches="tight")
        else:
            plt.show()
    
        plt.clf()
    plotstft("abc.wav")
    

    请指导我了解如何提取数据,如果不是通过matplotlib,请向我推荐一些其他库,这将帮助我实现这一点。

    2 回复  |  直到 9 年前
        1
  •  1
  •   Frank Zalkow    9 年前

    首先,这看起来像我的代码,它被声明为在CC许可证下。我不认为这太严重,但你不应该忽视这些方面(在本例中,你省略了作者声明),其他人可能会对这样的事情更恼火。

    对于您的问题:在这段代码中,stft不是由matplotlib计算的,而是由numpy计算的。你可以这样做:

    samplerate, samples = wav.read(audiopath)
    s = stft(samples, 1024)
    

    我不确定你为什么想要3D阵列?它是一个2D数组,但它是复数值。如果要将其保存在.mat文件中:

    from scipy.io import savemat
    savemat("file.mat", {'arr': s})
    
        2
  •  0
  •   Scott Stensland    9 年前

    您可以看到,一旦wav音频文件被读入变量样本,它就会传递给一个名为stft的函数:

    samplerate, samples = wav.read(audiopath)
    s = stft(samples, binsize)
    

    在这里,您已经可以以整数的形式访问var样本中的音频样本…请注意,位深度将影响每个样本的字节数,以一系列整数表示…还可以知道您的结尾(从左到右或反之亦然)…但是在函数stft中,该数组在传递到函数之前将进一步处理为变量:帧中的浮点数组 np.fft.rfft

    根据您的需要,这些是您的访问选择,无需进行任何自己的处理