Python 实现音频时间序列的几种数据转换

包括对读取的音频数据的dft（离散傅里叶变换）、idft，stft（短时傅里叶变换）、istft，ssa（奇异谱分析），分帧和复原。

# coding=utf-8
"""
对音频数据的几种数据转换方式的实现
"""
import numpy as np
from scipy.fftpack import fft, ifft
import librosa
import scipy.io.wavfile as wav


def read_wav(audio_path):
    '''使用scipy库下的方法读取音频文件wav,返回时间序列y（数据类型和声道数由文件本身决定）和采样率sr'''
    sr, y = wav.read(filename=audio_path)  #读取音频文件，返回音频采样率和时间序列
    return y, sr

def write_wav(y, sr, save_path):
    '''使用scipy库下的方法，将时间序列保存为wav格式，y是音频时间序列，sr是采样率，save_path="***.wav"'''
    wav.write(filename=save_path, rate=sr, data=np.array(np.clip(np.round(y), -2**15, 2**15-1), dtype=np.int16))
    
# ————————————————————————————————DFT和逆DFT——————————————————————————————————————————————————————————————————————
def dft(audio, sr, n=None):
    '''对输入音频数据进行DFT（离散傅里叶变换）
       输入参数：
       audio: 读取的音频时间序列数据；
       sr: 是音频文件的采样率。
    返回DFT后的频率数组及相应的幅值和音频文件的采样率。
    '''
    if(n == None):
        n = audio.shape[0]  # 音频时间序列的长度
        
    y = np.fft.rfft(a=audio, n=n)  # 离散傅里叶变换（DFT），返回一个长度为len(audio)/2+1的复数数组
#     print(y[:10])
    f = np.fft.fftfreq(n=n, d=1/sr)[:n//2+1]  # 返回DFT后每个值对应的频率； 即 k*sr/n = k/d*n，k表示时间序列的索引值；(0, sr/n, 2*sr/n, ..., sr/2)
    f[-1] = f[-1] * -1  
    return f, y, sr   # 返回DFT后的频率数组及相应的幅值和音频文件的采样率


def idft(y, n=None):
    '''逆DFT变换，是指将DFT得到的复数数组重新变换为音频时间序列的形式'''
    # y是对音频进行DFT的结果，n是DFT时设置的值；
    if(n  == None):
        input = np.fft.irfft(y)
    else:
        input = np.fft.irfft(y, n)
    input = np.array(np.clip(np.round(input), -2**15, 2**15-1), dtype=np.int16)
    return input

# audio, sr = read_wav("sample.wav")
# print(audio.shape)
# print(audio[1000:1010])
# f, y, sr = dft(audio, sr) 
# y_inv = idft(y)
# print(y_inv.shape)
# print(y_inv[1000:1010])
# ——————————————————————————————————————————————————————————————————————————————————————————————————————————————


# ************************STFT和逆STFT*************************************************************************
def stft(audio):
    """对读取到的音