如何用Python计算信号处理中频率的标准差？作业代码求助

核心错误分析 #

你计算频率标准差的逻辑完全错误：

• 原代码中np.sum(f - average_frequency )**2是先对频率与均值的差求和再平方，正负差值会相互抵消，结果毫无意义
• 没有沿用计算均值时的幅值平方加权逻辑，标准差必须和均值使用一致的权重才合理
• 分母误用了FFT数据长度len(x)，而非加权求和的总权重denominator

修正后的完整代码 #

from scipy.fftpack import fft
from scipy.io import wavfile as wav
import numpy as np
import matplotlib.pyplot as plt
import scipy.signal as sig

def mean_freq(data, sample_rate):
    x = fft(data)
    f = np.linspace(0.0, sample_rate / 2.0, len(x) // 2)
    abs_x = abs(x)[0:int(len(x) / 2)]
    x_squared = abs_x ** 2
    denominator = np.sum(x_squared)
    
    # 加权频率均值（原逻辑正确，保留）
    average_frequency = np.sum(f * x_squared) / denominator
    
    # 加权频率方差与标准差（修正核心逻辑）
    weighted_variance = np.sum(x_squared * (f - average_frequency)**2) / denominator
    stdv = np.sqrt(weighted_variance)
    
    return round(average_frequency), round(stdv)

# 读取音频，若为立体声则转单声道
fs, signal = wav.read('RECORDEDFILE.wav')
if len(signal.shape) > 1:
    signal = signal[:, 0]  # 取左声道处理

# 滤波器参数
n = 3
nyquist = fs / 2

# 设计并应用基频带通滤波器
lcf = 85 / nyquist
hcf = 155 / nyquist
b, a = sig.butter(n, [lcf, hcf], btype='bandpass', analog=False, output='ba')
filtered_signal = sig.filtfilt(b, a, signal, axis=0)

# 计算并输出结果
mean1, stdv1 = mean_freq(filtered_signal, fs)
print(f'基频均值: {mean1} Hz')
print(f'基频标准差: {stdv1} Hz')

关键补充说明 #

1. 加权逻辑一致性：频率均值是基于幅值平方加权的（反映各频率成分的能量占比），标准差必须使用相同权重，否则结果不具备物理意义
2. 立体声处理：若你的录音是双声道，必须先转为单声道，否则多通道数据会干扰FFT和滤波结果
3. 频谱验证：可以添加以下代码绘制滤波后的频谱，确认信号集中在目标频段：

# 绘制滤波后信号频谱
x_fft = fft(filtered_signal)
f_fft = np.linspace(0, fs/2, len(x_fft)//2)
abs_x_fft = abs(x_fft[:len(x_fft)//2])

plt.plot(f_fft, abs_x_fft)
plt.xlabel('频率 (Hz)')
plt.ylabel('幅值')
plt.xlim(0, 300)  # 聚焦基频附近
plt.show()

4. 谐波分离：得到基频均值后，二次谐波频段可设为[2*mean1-35, 2*mean1+35]，三次谐波设为[3*mean1-35, 3*mean1+35]，用相同的Butterworth带通滤波逻辑即可分离

内容的提问来源于stack exchange，提问作者Matan Shaked