python - 在进行 FFT 和改变频率分量值后，我只会在音频中得到噪声。我哪里错了？

Question

我的项目的目标是合成声音。我想做的是读取波形文件并将其转换为幅度谱。因为我对幅度和相应的频率感兴趣。我还需要更改某些频率(我得到的)的幅度，以便我可以生成不同的声音 wav 文件并播放它。然而，即使不改变幅度，重建信号也充满噪声。

简单来说，读取文件---FFT---改变幅度---播放。

下面是代码

import scipy.io.wavfile
import sounfile as sf
data , rate = sf.read("bird_chirp.wav")
FFt_data =np.fft.rfft(data)
magnitude = np.abs(FFt_data)
phase = np.angle(FFt_data)
N= len(data) # Define the length of the wav file
timestamp = np.linspace(0.0, N*T, N)
T= 1.0/rate
n = data.size


#get the corresponding Frequencies
freq = np.fft.rfftfreq(n, d=1./rate)


# save it as a Dataframe
df = {"freq":freq, "mag":magnitude}
df =pd.DataFrame(df)


#Normalize the magnitude
a=df["mag"]
norm_a = a/a.max(axis=0)
df["mag"] = norm_a


# here I would play around with magnitude , make it high or low
#code to change magnitude

#Get back the new data to write in wav
y=0
for magnitudes ,frequencies in df.iterrows():
   y+= magnitudes["mag"]*(np.sin(frequencies["freq"] *2.0*np.pi*timestamp)) 


#save it 
sf.write(file="test.wav", data=y,samplerate=rate)

该代码播放充满噪音的声音。

Answer 1

下面是一个简单的程序，它(a)读取波形文件，(b)傅里叶变换数据，(c)修改特定频率的幅度，(d)反转傅里叶变换以将数据转换回时域，并且 (e) 将结果保存到另一个波形文件中，您可以使用任何常用的音频播放程序来播放该波形文件。

为了演示您可以以简单的方式使用信号做什么，我们在 1 kHz 处衰减幅度，在 440 Hz 处添加连续音调，在 880 处添加高斯形脉冲。

请注意，注入(inject)信号在傅里叶变换中被缩放到其他信号的最大值。或者，我们可以选择一个幅度并根据数据的长度对其进行缩放。

这里的一个重要概念是傅立叶变换可以节省能量。因此，傅立叶变换中的信号按其持续时间进行缩放。

这里是实现您在问题中寻找的内容的代码:

import scipy.io.wavfile
import soundfile as sf

import numpy as np

# Input the wave file
data , rate = sf.read("bird_chirp.wav")

# Fourier transform
FFT_data = np.fft.rfft(data)

# Get the list of frequencies
freq = np.fft.rfftfreq(len(data), d=1./rate)

# Find the bin closest to 1kHz and attenuate
idx = (np.abs(freq - 1.E3)).argmin()
FFT_data[idx] *= 1./2

# Find the bin closest to 440 Hz and set a continuous tone
idx = (np.abs(freq - 440)).argmin()
FFT_data[idx] = max( abs( FFT_data) )

# Add a Gaussian pulse, width in frequency is inverse of its duration
FFT_data += max( abs( FFT_data) )/2. * np.exp( -((freq-880)/5.)**2 )

# Convert back to time domain
newdata = np.fft.irfft(FFT_data)

# And save it to a new wave file
sf.write(file="test.wav", data=newdata, samplerate=rate)