WAVEデータをFFTする方法(テスト中)

FFT

#coding:utf-8
import wave
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

def wave_plot(filename):
    #     open wave file
    wf = wave.open(filename,'r')
    channels = wf.getnchannels()
    #     print(wf.getparams())

    #     load wave data
    params = wf.getparams()
    chunk_size =params.nframes # サンプル数 x 秒数

    amp  = (2**8) ** wf.getsampwidth() / 2
    data = wf.readframes(chunk_size)   # バイナリ読み込み
    data = np.frombuffer(data,'int16') # intに変換
    data = data / amp                  # 振幅正規化(-1~1)

    # make time axis
    rate = wf.getframerate()
    size = float(chunk_size)
    x = np.arange(0, size/rate, 1.0/rate)

    # plot マルチチャンネルに対応
    for i in range(channels):
        plt.plot(x,data[i::channels])

    plt.title(filename)
    plt.xlabel("time[s]")
    plt.ylabel("standerdized amplitude")
    
    plt.ylim([-1,1]) #y軸を-1~1で固定
    plt.show()

def wave_load(filename):
    # open wave file
    wf = wave.open(filename,'r')
    channels = wf.getnchannels()

    # load wave data
    chunk_size = wf.getnframes()
    amp  = (2**8) ** wf.getsampwidth() / 2
    data = wf.readframes(chunk_size)   # バイナリ読み込み
    data = np.frombuffer(data,'int16') # intに変換
    data = data / amp                  # 振幅正規化
    data = data[::channels]
   
    return data

def fft_load(count,filename,size):

    '''
    count = グラフに入れたいデータ数
    filename = waveﾌｧｲﾙの名称
    size = FFTのサンプル数（２＊＊ｎ）
    start　=乱数の開始位置
    end = 乱数の終点位置
    '''

    #     load wave data
    wf = wave.open(filename,'r')
    params = wf.getparams()
    fs = params.framerate # 1secのサンプリング数

    st = 0   # サンプリングする開始位置
    hammingWindow = np.hamming(size)    # ハミング窓
    d = 1.0 / fs #サンプリングレートの逆数
    freqList = np.fft.fftfreq(size, d)
    
    for i in range(count):
      #  n = random.randint(start,end)
        wave_data = wave_load(filename)
        wave_data = hammingWindow * wave_data[st:st+size]  # 切り出した波形データ（窓関数あり）
        #wave_data = wave_data[st:st+size]  # 切り出した波形データ（窓関数なし）
        data = np.fft.fft(wave_data)
        data = data / max(abs(data)) # 0~1正規化
        plt.plot(freqList,abs(data))
        outdata = [freqList,abs(data)]
         
    plt.axis([0,20000,0,1]) #第二引数でグラフのy軸方向の範囲指定
    plt.title(filename)
    plt.xlabel("Frequency[Hz]")
    plt.ylabel("amplitude spectrum")
    plt.show()

    return outdata

filename = "Song.wav"

# WAVデータの読み込み
wave_plot(filename)
outdata = fft_load(1,filename,1024)

# データフレームの作成
df = pd.DataFrame(data = outdata).T
    #print(df)

# シート別にデータフレームを書込み
df.to_excel('sample_fft.xlsx', sheet_name='sheet1')

100

101

102

#coding:utf-8

import wave

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

def wave_plot(filename):

# open wave file

wf = wave.open(filename,'r')

channels = wf.getnchannels()

# print(wf.getparams())

# load wave data

params = wf.getparams()

chunk_size =params.nframes # サンプル数 x 秒数

amp = (2**8) ** wf.getsampwidth() / 2

data = wf.readframes(chunk_size) # バイナリ読み込み

data = np.frombuffer(data,'int16') # intに変換

data = data / amp # 振幅正規化(-1~1)

# make time axis

rate = wf.getframerate()

size = float(chunk_size)

x = np.arange(0, size/rate, 1.0/rate)

# plot マルチチャンネルに対応

for i in range(channels):

plt.plot(x,data[i::channels])

plt.title(filename)

plt.xlabel("time[s]")

plt.ylabel("standerdized amplitude")

plt.ylim([-1,1]) #y軸を-1~1で固定

plt.show()

def wave_load(filename):

# open wave file

wf = wave.open(filename,'r')

channels = wf.getnchannels()

# load wave data

chunk_size = wf.getnframes()

amp = (2**8) ** wf.getsampwidth() / 2

data = wf.readframes(chunk_size) # バイナリ読み込み

data = np.frombuffer(data,'int16') # intに変換

data = data / amp # 振幅正規化

data = data[::channels]

return data

def fft_load(count,filename,size):

'''

count = グラフに入れたいデータ数

filename = waveﾌｧｲﾙの名称

size = FFTのサンプル数（２＊＊ｎ）

start　=乱数の開始位置

end = 乱数の終点位置

'''

# load wave data

wf = wave.open(filename,'r')

params = wf.getparams()

fs = params.framerate # 1secのサンプリング数

st = 0 # サンプリングする開始位置

hammingWindow = np.hamming(size) # ハミング窓

d = 1.0 / fs #サンプリングレートの逆数

freqList = np.fft.fftfreq(size, d)

for i in range(count):

# n = random.randint(start,end)

wave_data = wave_load(filename)

wave_data = hammingWindow * wave_data[st:st+size] # 切り出した波形データ（窓関数あり）

#wave_data = wave_data[st:st+size] # 切り出した波形データ（窓関数なし）

data = np.fft.fft(wave_data)

data = data / max(abs(data)) # 0~1正規化

plt.plot(freqList,abs(data))

outdata = [freqList,abs(data)]

plt.axis([0,20000,0,1]) #第二引数でグラフのy軸方向の範囲指定

plt.title(filename)

plt.xlabel("Frequency[Hz]")

plt.ylabel("amplitude spectrum")

plt.show()

return outdata

filename = "Song.wav"

# WAVデータの読み込み

wave_plot(filename)

outdata = fft_load(1,filename,1024)

# データフレームの作成

df = pd.DataFrame(data = outdata).T

#print(df)

# シート別にデータフレームを書込み

df.to_excel('sample_fft.xlsx', sheet_name='sheet1')