Realizando transformada rápida de fourier (fft) em um arquivo de som

A análise dos dados assume muitas formas. Às vezes, você precisa olhar para padrões nos dados de uma forma que você pode não ter inicialmente considerado. Uma forma comum de realizar este tipo de análise consiste em utilizar uma Transformada Rápida de Fourier (FFT) para converter o som do domínio da frequência para o domínio do tempo. Fazer isso permite traçar o som de uma maneira nova.

Video: Transformada de Fourier no Matlab

Por exemplo, pense em um mecânico que leva uma amostra de som de um motor e, em seguida, depende de uma máquina para analisar essa amostra, à procura de potenciais problemas de motor. O diagnóstico pode encontrar alguns problemas e inspeção visual pode encontrar outras pessoas, mas às vezes o som de um motor revela problemas que você não pode encontrar em qualquer outra maneira.

Aqui está o código que você usa para realizar uma FFT:

Video: 31 Transformada Rápida de Fourier I. Fácil

matplotlib.pyplot importação como pltfrom scipy.io wavfile importação como wavfrom scipy.fftpack numpy importação fftimport como nprate, dados wav.read = ( `bells.wav`) fft_out = fft (dados)% matplotlib inlineplt.plot (dados, np. abs (fft_out)) plt.show ()

Neste caso, você começa pela leitura no arquivo de som e extrair o dados a partir dele. o taxa informação não é importante, porque você não precisa saber o quão rápido a jogar os dados, você simplesmente precisa saber o que valoriza o som contém. Os valores sonoros consistem de frequência (o tom do som) e amplitude (quão alto para jogar).

Video: Guía 9 - Transformada Rápida de Fourier (FFT) con DSK6713.wmv

O próximo passo é realizar a FFT chamando fft () com dados. Esta análise particular é uma simplificação de um processo muito maior. O ponto é que a saída exibe as frequências mais forte detectados ao longo do tempo.