python实现 stft_Python中的可逆STFT和ISTFT

这里是我的Python代码，简化为这个答案：

import scipy, pylab

def stft(x, fs, framesz, hop):

framesamp = int(framesz*fs)

hopsamp = int(hop*fs)

w = scipy.hanning(framesamp)

X = scipy.array([scipy.fft(w*x[i:i+framesamp])

for i in range(0, len(x)-framesamp, hopsamp)])

return X

def istft(X, fs, T, hop):

x = scipy.zeros(T*fs)

framesamp = X.shape[1]

hopsamp = int(hop*fs)

for n,i in enumerate(range(0, len(x)-framesamp, hopsamp)):

x[i:i+framesamp] += scipy.real(scipy.ifft(X[n]))

return x

笔记：

>列表解析是一个小技巧，我喜欢用来模拟numpy / scipy中的信号块处理。这就像matlab中的blkproc。而不是一个for循环，我应用一个命令(例如，fft)到列表推导内的信号的每一帧，然后scipy.array将它投射到一个二维数组。我使用它来制作谱图，色谱图，MFCC克，以及更多。

>对于这个例子，我在istft中使用一个朴素的重叠和添加方法。为了重建原始信号，顺序窗函数的和必须是恒定的，优选地等于单位(1)。在这种情况下，我选择了Hann(或hanning)窗口和50％的重叠，工作完美。有关详细信息，请参阅this discussion。

>可能有更多原则的计算ISTFT的方法。这个例子主要是为了教育。

一个测试：

if __name__ == '__main__':

f0 = 440 # Compute the STFT of a 440 Hz sinusoid

fs = 8000 # sampled at 8 kHz

T = 5 # lasting 5 seconds

framesz = 0.050 # with a frame size of 50 milliseconds

hop = 0.025 # and hop size of 25 milliseconds.

# Create test signal and STFT.

t = scipy.linspace(0, T, T*fs, endpoint=False)

x = scipy.sin(2*scipy.pi*f0*t)

X = stft(x, fs, framesz, hop)

# Plot the magnitude spectrogram.

pylab.figure()

pylab.imshow(scipy.absolute(X.T), origin='lower', aspect='auto',

interpolation='nearest')

pylab.xlabel('Time')

pylab.ylabel('Frequency')

pylab.show()

# Compute the ISTFT.

xhat = istft(X, fs, T, hop)

# Plot the input and output signals over 0.1 seconds.

T1 = int(0.1*fs)

pylab.figure()

pylab.plot(t[:T1], x[:T1], t[:T1], xhat[:T1])

pylab.xlabel('Time (seconds)')

pylab.figure()

pylab.plot(t[-T1:], x[-T1:], t[-T1:], xhat[-T1:])

pylab.xlabel('Time (seconds)')