Executando uma Transformada Rápida de Fourier (FFT) em um arquivo de som
A análise dos dados assume muitas formas. Às vezes, você precisa olhar para padrões em dados de uma forma que você pode não ter inicialmente considerado. Uma forma comum de realizar este tipo de análise é a utilização de uma Transformada Rápida de Fourier (FFT) para converter o som do domínio da frequência para o domínio do tempo. Fazer isso permite-lhe traçar o som de uma maneira nova.
Por exemplo, pense em um mecânico que leva uma amostra de som de um motor e, em seguida, depende de uma máquina para analisar essa amostra, à procura de potenciais problemas de motor. O diagnóstico pode encontrar alguns problemas e inspeção visual pode encontrar outros, mas às vezes o som de um motor revela problemas que você não pode encontrar em qualquer outra maneira.
Aqui está o código que você usa para executar uma FFT:
matplotlib.pyplot importação como pltfrom scipy.io wavfile importação como wavfrom scipy.fftpack numpy importação fftimport como nprate, data = wav.read ( 'bells.wav') fft_out = fft (dados)% matplotlib inlineplt.plot (dados, np. ABS (fft_out)) plt.show ()
Neste caso, você começa pela leitura no arquivo de som e extraindo o dados a partir dele. o taxa informação não é importante, porque você não precisa saber o quão rápido a jogar os dados, você simplesmente precisa saber o que valoriza o som contém. Os valores de som consistem de frequência (o tom do som) e amplitude (como alto para reproduzi-lo).
O próximo passo é para executar a FFT ligando fft () com dados. Esta análise particular é uma simplificação de uma processo muito maior. O ponto é que a saída exibe as frequências mais forte detectados ao longo do tempo.
