私がやろうとしているのは、一般的な周波数を検出できるオーディオ処理ソフトウェアです。周波数が十分に長い間(数ミリ秒)再生されている場合、私は肯定的な一致を得たことを知っています。私はFFTまたは類似の何かを使用する必要があることを知っていますが、この数学の分野では、インターネットを検索しましたが、これしかできないコードは見つかりませんでした。
達成しようとしている目標は、自分でデータトラフサウンドを送信するためのカスタムプロトコルを作成し、非常に低いビットレート/秒(5-10bps)を必要とすることですが、送信側で非常に制限されているため、受信ソフトウェアはカスタムできる必要があります(実際のハードウェア/ソフトウェアモデムを使用することはできません)また、これをソフトウェアのみにしたい(サウンドカード以外の追加のハードウェアはありません)
助けてくれてありがとう。
aubio ライブラリはSWIGでラップされているため、Pythonで使用できます。それらの多くの機能の中には、ピッチ検出/推定のためのいくつかの方法が含まれています [〜#〜] yin [〜#〜] アルゴリズムといくつかのハーモニックコムアルゴリズムを含みます。
ただし、もっと簡単なものが必要な場合は、しばらく前にピッチ推定用のコードをいくつか書きました。 aubioのアルゴリズムを使用するほど正確ではありませんが、ニーズには十分である可能性があります。基本的には、データのFFTをウィンドウ(この場合はブラックマンウィンドウ)に掛け、FFT値を2乗し、最高値のビンを見つけ、最大値の対数を使用してピークの周りの2次補間を使用しました基本周波数を見つけるための2つの隣接値。私が見つけたいくつかの論文から取った二次補間。
テストトーンではかなりうまく機能しますが、上記の他の方法ほど堅牢または正確ではありません。精度は、チャンクサイズを増やすことで向上させることができます(または、減らすことで低下させます)。 FFTを最大限に活用するには、チャンクサイズを2の倍数にする必要があります。また、重複のない各チャンクの基本ピッチのみを決定しています。 PyAudioを使用して、推定ピッチを書きながらサウンドを再生しました。
ソースコード:
# Read in a WAV and find the freq's
import pyaudio
import wave
import numpy as np
chunk = 2048
# open up a wave
wf = wave.open('test-tones/440hz.wav', 'rb')
swidth = wf.getsampwidth()
RATE = wf.getframerate()
# use a Blackman window
window = np.blackman(chunk)
# open stream
p = pyaudio.PyAudio()
stream = p.open(format =
p.get_format_from_width(wf.getsampwidth()),
channels = wf.getnchannels(),
rate = RATE,
output = True)
# read some data
data = wf.readframes(chunk)
# play stream and find the frequency of each chunk
while len(data) == chunk*swidth:
# write data out to the audio stream
stream.write(data)
# unpack the data and times by the hamming window
indata = np.array(wave.struct.unpack("%dh"%(len(data)/swidth),\
data))*window
# Take the fft and square each value
fftData=abs(np.fft.rfft(indata))**2
# find the maximum
which = fftData[1:].argmax() + 1
# use quadratic interpolation around the max
if which != len(fftData)-1:
y0,y1,y2 = np.log(fftData[which-1:which+2:])
x1 = (y2 - y0) * .5 / (2 * y1 - y2 - y0)
# find the frequency and output it
thefreq = (which+x1)*RATE/chunk
print "The freq is %f Hz." % (thefreq)
else:
thefreq = which*RATE/chunk
print "The freq is %f Hz." % (thefreq)
# read some more data
data = wf.readframes(chunk)
if data:
stream.write(data)
stream.close()
p.terminate()
データのエンコードに FSK(周波数シフトキーイング) を使用する場合は、おそらく Goertzelアルゴリズム を使用する方がよいので、必要な周波数だけをチェックできます。 、完全なDFT/FFTの代わりに。
以前にPython=を使って音声処理を試したことはありませんが、おそらく、効率的な科学/エンジニアリングのためのフレームワークである SciPy (またはそのサブプロジェクトNumPy)に基づいて何かを構築できます数値計算?FFTの scipy.fftpack を調べることから始めます。