La realización de una transformada rápida de fourier (fft) en un archivo de sonido
Video: #27: Osciloscopio FFT Transformada de Fourier y Analizador de Espectro distorsion Armonica
Análisis de los datos toma muchas formas. A veces, es necesario buscar patrones en los datos de una manera que no podría haber considerado inicialmente. Una forma común para llevar a cabo tal análisis es utilizar una transformada rápida de Fourier (FFT) para convertir el sonido desde el dominio de la frecuencia al dominio del tiempo. Hacer esto le permite trazar el sonido de una manera nueva.
Video: Como graficar la tansformada de fourier con matlab
Por ejemplo, piense en un mecánico que toma una muestra de sonido de un motor y luego se basa en una máquina para analizar esa muestra, en busca de posibles problemas del motor. El diagnóstico puede encontrar algunos problemas y la inspección visual puede encontrar a otros, pero a veces el sonido de un motor revela cuestiones que no se puede encontrar en cualquier otra forma.
Aquí está el código que se utiliza para realizar una FFT:
matplotlib.pyplot importación como pltfrom scipy.io wavfile importación como wavfrom scipy.fftpack numpy fftimport importación como nprate, data = wav.read ( `bells.wav`) fft_out = fft (datos)% matplotlib inlineplt.plot (datos, np. abs (fft_out)) plt.show ()
En este caso, se comienza por la lectura en el archivo de sonido y extraer el datos de eso. los tarifa información no es importante, ya que no es necesario saber qué tan rápido para reproducir los datos, sólo hay que saber qué valores contiene el sonido. Los valores de sonido consisten en frecuencia (el tono del sonido) y amplitud (que tan fuerte para reproducirlo).
Video: MatLAB programming, Tutorial 19: Transformadas de Fourier discretas 2D, fft2
El siguiente paso es realizar la FFT llamando fft () con datos. Este análisis particular es una simplificación de una proceso mucho más grande. El punto es que la salida muestra las frecuencias más fuerte detectado en el tiempo.
