Обнаружение частоты Python

Хорошо, что я пытаюсь сделать, это своего рода программное обеспечение для обработки звука, которое может обнаруживать распространенную частоту, если частота воспроизводится достаточно долго (несколько мс), я знаю, что я получил положительное совпадение. я знаю, что мне нужно будет использовать БПФ или что-то подобное, но в этой области математики я сосать, я действительно искал в Интернете, но не нашел кода, который мог бы сделать только это.

Цель, которую я пытаюсь получить, заключается в том, чтобы сделать собственный протокол для передачи данных через звук, требуется очень низкая скорость передачи в секунду (5-10 бит/с), но им также очень ограниченный на передающем конце, поэтому получающее программное обеспечение должно быть (не может использовать настоящий аппаратный/программный модем), также я хочу, чтобы это было только программное обеспечение (без дополнительного оборудования, кроме звуковой карты)

Большое спасибо за помощь.

Ответ 1

Библиотеки aubio были обернуты SWIG и поэтому могут использоваться Python. Среди их многочисленных функций есть несколько методов определения/оценки тона, включая алгоритм YIN и некоторые гармонические гребенчатые алгоритмы.

Однако, если вы хотите что-то более простое, я написал код для оценки основного тона некоторое время назад, и вы можете взять его или оставить. Это будет не так точно, как использование алгоритмов в aubio, но оно может быть достаточно хорошим для ваших нужд. Я в основном просто взял БПФ данных раз окно (окно Blackman в этом случае), в квадрате значений FFT, нашел бит, который имел самое высокое значение, и использовал квадратичную интерполяцию вокруг пика, используя журнал максимального значения и его двух соседних значений, чтобы найти основную частоту. Квадратическую интерполяцию я взял из какой-то бумаги, которую я нашел.

Он работает достаточно хорошо на тестовых тонах, но он не будет таким же надежным и точным, как другие методы, упомянутые выше. Точность может быть увеличена за счет увеличения размера куска (или уменьшения его уменьшения). Размер блока должен быть кратным 2, чтобы полностью использовать БПФ. Кроме того, я определяю только основной шаг для каждого фрагмента без перекрытия. Я использовал PyAudio для воспроизведения звука во время написания оцененного значения.

Исходный код:

# 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()

Ответ 2

Если вы собираетесь использовать FSK (частотная манипуляция) для кодирования данных, вам, вероятно, лучше использовать алгоритм Goertzel, чтобы вы могли проверить только нужные частоты вместо полного DFT/FFT.

Ответ 3

Пока я еще не пробовал обрабатывать аудио с Python, возможно, вы могли бы создать что-то на основе SciPy (или его подпроект NumPy), основу для эффективного научного/инженерного численного расчета? Вы можете начать с просмотра scipy.fftpack для вашего БПФ.

Ответ 4

Отсюда вы можете найти частотный спектр скользящих окон над вашим звуком, а затем проверить наличие преобладающей полосы частот, найдя область под кривой частотного спектра для этой полосы отсюда.