0

所以我正在尝试对 wav PCM 24 位 44.1khz 文件进行带通滤波。我想做的是带通0Hz-22Khz的每个频率。

到目前为止，我已经加载了数据并可以在 Matplot 上显示它，如下所示。

在此处输入图像描述

但是当我去应用我从这里得到的带通滤波器时

http://scipy-cookbook.readthedocs.io/items/ButterworthBandpass.html

我得到以下结果： 在此处输入图像描述

所以我试图通过 100-101Hz 的带通作为测试，这是我的代码：

from WaveData import WaveData
import matplotlib.pyplot as plt
from scipy.signal import butter, lfilter, freqz
from scipy.io.wavfile import read
import numpy as np
from WaveData import WaveData

class Filter:
        def __init__(self, wav):
                self.waveData = WaveData(wav)

        def butter_bandpass(self, lowcut, highcut, fs, order=5):
                nyq = 0.5 * fs
                low = lowcut / nyq
                high = highcut / nyq
                b, a = butter(order, [low, high], btype='band')
                return b, a

        def butter_bandpass_filter(self, data, lowcut, highcut, fs, order):
                b, a = self.butter_bandpass(lowcut, highcut, fs, order=order)
                y = lfilter(b, a, data)
                return y

        def getFilteredSignal(self, freq):
                return self.butter_bandpass_filter(data=self.waveData.file['Data'], lowcut=100, highcut=101, fs=44100, order=3)

        def getUnprocessedData(self):
            return self.waveData.file['Data']

        def plot(self, signalA, signalB=None):
                plt.plot(signalA)
                if signalB != None:
                        plt.plot(signalB)
                plt.show()

if __name__ == "__main__":
        # file = WaveData("kick.wav")
        # fileA = read("kick0.wav")
        f = Filter("kick.wav")
        a, b = f. butter_bandpass(lowcut=100, highcut=101, fs=44100)
        w, h = freqz(b, a, worN=22000) ##Filted signal is not working?
        f.plot(h, w)
        print("break")

我不明白我哪里出错了。

谢谢

4

2 回答 2

1

@WoodyDev 说的是真的：44.1 kHz 中的 1 Hz对于任何类型的滤波器来说都太小了。 只需查看滤波器系数返回：butter

In [3]: butter(5, [100/(44.1e3/2), 101/(44.1e3/2)], btype='band')
Out[3]:
(array([ 1.83424060e-21,  0.00000000e+00, -9.17120299e-21,  0.00000000e+00,
         1.83424060e-20,  0.00000000e+00, -1.83424060e-20,  0.00000000e+00,
         9.17120299e-21,  0.00000000e+00, -1.83424060e-21]),
 array([   1.        ,   -9.99851389,   44.98765092, -119.95470631,
         209.90388506, -251.87018009,  209.88453023, -119.93258575,
          44.9752074 ,   -9.99482662,    0.99953904]))

查看b系数（第一个数组）：它们的值为 1e-20，这意味着滤波器设计完全无法收敛，如果将其应用于任何信号，输出将为零——这就是你发现的。

您没有提及您的应用程序，但如果您真的想将信号的频率内容保持在 100 到 101 Hz 之间，您可以对信号进行零填充 FFT，将该频带之外的频谱部分归零，然后 IFFT （查看rfft、irfft和rfftfreq在numpy.fft模块中）。

这是一个使用 FFT 在傅里叶域中应用砖墙带通滤波器的函数：

import numpy.fft as fft
import numpy as np


def fftBandpass(x, low, high, fs=1.0):
    """
    Apply a bandpass signal via FFTs.

    Parameters
    ----------
    x : array_like
        Input signal vector. Assumed to be real-only.
    low : float
        Lower bound of the passband in Hertz. (If less than or equal
        to zero, a high-pass filter is applied.)
    high : float
        Upper bound of the passband, Hertz.
    fs : float
        Sample rate in units of samples per second. If `high > fs / 2`,
        the output is low-pass filtered.

    Returns
    -------
    y : ndarray
        Output signal vector with all frequencies outside the `[low, high]`
        passband zeroed.

    Caveat
    ------
    Note that the energe in `y` will be lower than the energy in `x`, i.e.,
    `sum(abs(y)) < sum(abs(x))`. 
    """
    xf = fft.rfft(x)
    f = fft.rfftfreq(len(x), d=1 / fs)
    xf[f < low] = 0
    xf[f > high] = 0
    return fft.irfft(xf, len(x))


if __name__ == '__main__':
    fs = 44.1e3
    N = int(fs)
    x = np.random.randn(N)
    t = np.arange(N) / fs
    import pylab as plt
    plt.figure()
    plt.plot(t, x, t, 100 * fftBandpass(x, 100, 101, fs=fs))
    plt.xlabel('time (seconds)')
    plt.ylabel('signal')
    plt.legend(['original', 'scaled bandpassed'])
    plt.show()

您可以将它放在一个文件中fftBandpass.py，然后运行它python fftBandpass.py以查看它创建以下图：

原始信号和 FFT 带通信号

请注意，我必须将 1 Hz 带通信号缩放 100，因为在带通那么多之后，信号中的能量非常少。另请注意，位于这个小通带内的信号几乎只是 100 Hz 左右的正弦曲线。

如果您将以下内容放入您自己的代码中：from fftBandpass import fftBandpass，您可以使用该fftBandpass功能。

您可以尝试的另一件事是将信号抽取 100 倍，因此将其转换为以 441 Hz 采样的信号。441 Hz 中的 1 Hz 仍然是一个非常窄的通带，但您可能比尝试带通原始信号有更好的运气。请参阅scipy.signal.decimate，但不要尝试使用 调用它q=100，而是递归抽取信号，依次为 2、2、5、5（总抽取 100 倍）。

于 2018-08-10T14:36:12.177 回答
1

因此，您的代码存在一些问题，这意味着您没有正确绘制结果，尽管我相信这不是您的主要问题。

检查您的代码

在您链接的示例中，它们精确地显示了计算的过程，并以不同的顺序绘制过滤器：

for order in [3, 6, 9]:
    b, a = butter_bandpass(lowcut, highcut, fs, order=order)
    w, h = freqz(b, a, worN=2000)
    plt.plot((fs * 0.5 / np.pi) * w, abs(h), label="order = %d" % order)

您当前没有正确缩放频率轴，或者调用绝对值以从中获取真正的信息h，就像上面的正确代码一样。

检查你的理论

但是，您的主要问题是您如此陡峭的带通（即只有 100Hz - 101Hz）。我很少见到如此锐利的滤波器，因为这是非常密集的处理（将需要大量的滤波器系数），并且因为您只查看 1Hz 的范围，它将完全摆脱所有其他频率。

因此，您显示的增益为 0 的图表很可能是正确的。如果您使用他们的示例并将带通截止频率更改为 100Hz -> 101Hz，则输出结果是（几乎如果不完全）零的数组。这是因为它只会查看 1Hz 范围内的信号能量，如果您考虑一下，这将非常 非常小。

如果您这样做是为了分析，频率间隔往往会更大，即倍频程频段（或倍频程频段的更小部分）。

频谱图

由于我不确定您的最终目的，因此我无法确切说明您应该采取哪条路线到达那里。然而，在这个时代，在高达 20kHz 的每个频率上使用带通滤波器似乎有点愚蠢。

如果我没记错的话，一些第一次在纸上使用针的频谱图尝试使用这种技术和模拟带通滤波器组来分析频率内容。所以这让我觉得你可能正在寻找与频谱图有关的东西？它可以让您分析整个信号的频率信息与时间的关系，并且仍然具有所有信号的幅度信息。Python 已经包含作为scipy或Matplotlib一部分的频谱图功能。

于 2018-07-24T08:09:50.173 回答