Python フーリエ変換

Question

###Pythonでフーリエ変換をする際に、エラーがでてしまいました

短時間フーリエ変換 を用いたスペクトログラムの作成で音声データを，短い区間でデータ区切り， 各区間に FFT をかけ，パワースペクトルを作成しようとしていました。下記のエラーを解消する方法がわかる方、教えてください。

/usr/local/anaconda3/lib/python3.6/site-packages/scipy/io/wavfile.py:273: WavFileWarning: Chunk (non-data) not understood, skipping it.
WavFileWarning)
Traceback (most recent call last):
File "ans2.py", line 54, in <module>
SpecGram(yl)
File "ans2.py", line 16, in SpecGram
t = np.arange(Nmax) * delta
ValueError: operands could not be broadcast together with shapes (65536,) (2,)

# -*- coding: utf-8 -*-

import numpy as np
import scipy.fftpack as spf
from scipy.io.wavfile import read
import matplotlib.pyplot as plt
from scipy.fftpack import fft, ifft


def SpecGram(x):
    # 時系列 x のスペクトログラムを表示する関数
    Fs = x[0]                 # サンプリングレート
    delta = 1./Fs             # サンプル間隔([sec])
    Nmax = 65536              # FFT のため 2 ベキでサンプルをとる
    fdelta = 1./(Nmax*delta)  # 周波数刻み
    t = np.arange(Nmax) * delta
    f = np.arange(-Nmax/2, Nmax/2) * fdelta

    L = 1024 // 4
    X = np.zeros((L, 4), dtype='complex')  # スペクトログラムは 周波数としては L までで，区間は８個

    X[:,0] = fft( x[0*L:1*L] )
    X[:,1] = fft( x[1*L:2*L] )
    X[:,2] = fft( x[2*L:3*L] )
    X[:,3] = fft( x[3*L:4*L] )
    # とりあえず，plot してみる
    plt.figure()
    plt.subplot(2,1,1)
    plt.plot( t, x )

    plt.show()

    plt.subplot(2,1,2)
# plt.imshow( np.log(np.abs(X)) ) # でも良いけどそれなりに表示を適宜合わせる
# plt.imshow( np.log(np.abs(X[:L/2+1,:])), 
#            aspect = 'auto', interpolation='Nearest' )
    plt.imshow( np.log(np.abs(X[:L//2+1,:])), 
           extent = (0.0, 1.0, 1./(2*delta), 0.0),
           aspect = 'auto', interpolation='Nearest' )


# 以下に SpecGram() を用いてスペクトログラムを表示させる
# スクリプトコードを書く

fname = 'KyokoSampling.wav'
y = read(fname)

if len(y[1].shape) > 1:    # ステレオ音声の場合，左音声を使う
    yl = y[1][:1024]
else:
    yl = y[1]

# スペクトログラム表示
SpecGram(yl)

Answer 1

ご質問にはありませんが、

Nmax = 65536              # FFT のため 2 ベキでサンプルをとる

これにより、

plt.plot( t, x )

ここでエラーが出ると思います。

Nmax = x.shape[0]			  # FFT のため 2 ベキでサンプルをとる

これで防げると思います。

Answer 2

y = read(fname)

if len(y[1].shape) > 1:    # ステレオ音声の場合，左音声を使う
    yl = y[1][:1024]
else:
    yl = y[1]

# スペクトログラム表示
SpecGram(yl)

ここが怪しいと思います。
このコードだとy[0]はFs、y[1]はデータになると思いますが、
ylからはFsが消えてますので

def SpecGram(x):
    Fs = x[0]                 # サンプリングレート

Fsも取れないです。

修正案として、

Fs, y = read(fname)

if len(y.shape[1]) > 1:    # ステレオ音声の場合，左音声を使う
    yl = y[:1024,0]
else:
    yl = y

# スペクトログラム表示
SpecGram(yl, Fs)

これでいかがでしょう。

Answer 3

if len(y[1].shape) > 1
は
if len(y.shape) > 1
では？

if len(y[1].shape) > 1:    # ステレオ音声の場合，左音声を使う
    yl = y[1][:1024, 0]
else:
    yl = y[1]

# スペクトログラム表示
SpecGram((y[0], yl))

これでどうでしょう？

Comments

[Minochan]

/usr/local/anaconda3/lib/python3.6/site-packages/scipy/io/wavfile.py:273: WavFileWarning: Chunk (non-data) not understood, skipping it.
WavFileWarning)
Traceback (most recent call last):
File "ans2.py", line 48, in <module>
if len(y.shape) > 1: # ステレオ音声の場合，左音声を使う
AttributeError: 'tuple' object has no attribute 'shape'

このようなエラーが出ました。

Answer 4

データについて詳しく見ていないのでわかりかねる部分はありますが、
エラーを読む限り、
65536次元ベクトルと２次元ベクトルの積は計算できませんって言ってると思います。
deltaをブロードキャストして積利用するなら、スカラーで渡した方がいいのかなと思います。

この辺はやりたかった数式によるとおもうので一概には言えないと思いますが