python - 具有相同输入大小的快速和非常慢的 scipy.signal.resample

Question

根据scipy.signal.resample的文档，速度应该根据输入的长度而变化:

As noted, resample uses FFT transformations, which can be very slow if the number of input samples is large and prime, see scipy.fftpack.fft.

但我的时间非常不同(因子 x14)具有相同的输入，并且所需的输出大小只有很小的变化:

import numpy as np, time
from scipy.signal import resample

x = np.random.rand(262144, 2)
y = np.random.rand(262144, 2)

t0 = time.time()
resample(x, 233543, axis=0)
print time.time() - t0          # 2.9 seconds here

t0 = time.time()
resample(y, 220435, axis=0)
print time.time() - t0          # 40.9 seconds here!

问题:我可以对输入进行零填充，使其具有 2 的幂(以像往常一样加速 FFT 计算)，但由于我的重采样因子是固定的，我不能同时具有 2 的幂为输入大小，2 的幂为所需的输出大小。

如何加速scipy.signal.resample？

如果不可能，并且如果scipy.signal.resample的性能可以在很大的因素下如此之大变化，那么它在实际使用中确实不方便。那么它对于哪些应用有用呢？

注意:我的目标是音频重新采样(重新调整音调等)

编辑:最好的解决方案最终是 to use this .

Answer 1

文档字符串有些误导性地陈述了故事的一部分。重采样过程包括 FFT(输入大小)、零填充和逆 FFT(输出大小)。因此，不方便的输出大小会减慢速度，就像不方便的输入大小一样。

Cris Luengo 建议在空间域中使用直接插值，这应该会更快。例如，ndimage.zoom使用它(默认情况下三次样条插值):

from scipy.ndimage import zoom
t0 = time.time()
zoom(y, (220435./262144., 1))   # maybe with prefilter=False ? up to you
print(time.time() - t0)         # about 200 times faster than resample

与重新采样的输出不同(毕竟是不同的方法)，但对于平滑数据(与此处使用的随机输入不同)，它们应该接近。