Skip to main content
 首页 » 编程设计

python之Numpy fft 卡住更长的样本

2025年05月04日13birdshome

我目前正在使用 numpy.fft 库。我有 200 个带有单个音符的 .wav 文件,每个大约 4 秒长。我对每个运行 numpy.fft,但对于 4.5 秒或更长的样本,numpy.fft 卡住。我不明白为什么会这样?此外,如果我明确指定 fft 的长度,该函数可以正常工作,但它会检测到错误的频率(它检测到的频率高出一个或两个半音)。

这是我的代码:

(framerate, sample) = wav.read(wav_file) 
monoChannel = sample.mean(axis=1) 
fft_length = int(duration * framerate)     # duration is usually around 4sec long 
FFT = numpy.fft(monoChannel, n=fft_length) 

对于 fft_length 小于 216090 的示例,numpy.fft 工作正常,对于任何更长的 fft,算法挂起,但在我在终端中按 ctrl+C 后它继续。

我正在使用 python 2.7.3

我是 FFT 的新手,我真的很想了解这里发生了什么。

请您参考如下方法:

np.fft 中使用的 FFT 算法在输入长度有许多小质因数时表现非常好(意思是 O(n log n)),但非常糟糕(意思是朴素的 DFT 需要 O(n log n)) (n^2)) 当输入大小是质数时。查看 2 的幂和下一个最小素数的一些示例计时:

In [69]: a = np.random.rand(1024) 
In [70]: b = np.random.rand(1031) 
 
In [71]: %timeit np.fft.fft(a) 
10000 loops, best of 3: 20.8 µs per loop 
 
In [72]: %timeit np.fft.fft(b) 
100 loops, best of 3: 2.09 ms per loop 
 
In [73]: a = np.random.rand(65536) 
In [74]: b = np.random.rand(65537) 
 
In [75]: %timeit np.fft.fft(a) 
100 loops, best of 3: 3.16 ms per loop 
 
In [76]: %timeit np.fft.fft(b) 
1 loops, best of 3: 11.8 s per loop 

对于您的特定情况,请注意:

216090 = 2 * 3**2 * 5 * 7**4 
216091 = 216091 (prime) 
216092 = 2**2 * 89 * 607 

因此:

In [77]: %timeit np.fft.fft(np.random.rand(216090)) 
10 loops, best of 3: 37.1 ms per loop 
 
In [78]: %timeit np.fft.fft(np.random.rand(216092)) 
10 loops, best of 3: 149 ms per loop 
 
In [79]: %timeit np.fft.fft(np.random.rand(216091)) 
# Got bored and killed it before it finished, should take ~2 min 
# based on the other results for prime numbers