如何用numpy.fft()设置千赫兹级频率步长？重采样风险解析

首先明确FFT的频率步长公式：频率步长Δf = 采样率sr / FFT点数N（你的代码中N等于音频的采样点数）。要让Δf是1000Hz的整数倍，核心得满足sr / N = m * 1000Hz（m为正整数）。

能否调整频率范围使频率步长为1000Hz的整数倍？ #

可以，但必须让采样率sr和FFT点数N的比值恰好是1000Hz的整数倍。比如采样率为48000Hz时，若取N=48，Δf=48000/48=1000Hz，刚好符合要求；但如果采样率是44100Hz，要得到Δf=1000Hz，N需要是44.1，这显然不可能（采样点数必须是整数），这时候就需要调整sr或N。

是否只能通过重采样或延长音频信号实现？ #

核心实现方式主要是调整采样率或音频长度（即采样点数N），补零是一种“伪实现”，需要明确区别：

• 延长/截取音频：让音频的实际采样点数N满足N = sr/(m*1000)。比如sr=40000Hz，m=1时，N=40，对应音频时长0.001秒，这时候Δf=1000Hz。但这种方式对音频时长限制严格，实际中很少用这么短的音频。
• 重采样：把采样率调整为1000Hz整数倍的倍数，比如将sr改为40000Hz，再取合适的N值，就能得到符合要求的频率步长。
• 补零的误区：给音频补零可以增加FFT点数N，让计算出的freq数组间隔为1000Hz，但这只是让频谱的采样点更密，并没有真正提升信号的频率分辨率——真实的分辨率还是由原始音频的时长和采样率决定，补零后的频谱只是原始频谱的插值，不能反映信号的真实频率细节。

重采样存在哪些风险？ #

• 混叠失真：如果降低采样率时，没有先通过抗混叠滤波器滤除高于新采样率1/2的高频信号，这些高频信号会被折叠到低频段，导致信号出现无法恢复的失真。
• 高频细节丢失：即使使用了抗混叠滤波器，滤波器的过渡带也会过滤掉一部分高频信号，让音频失去原有的细节（比如音质变闷）。
• 相位失真：部分简单的重采样算法（比如线性插值）会改变信号的相位特性，对于语音识别、音频合成这类对相位敏感的应用，会影响最终效果。
• 额外计算开销：重采样需要额外的运算处理，对于大体积的音频文件，会增加整体的处理时间。

内容的提问来源于stack exchange，提问作者user20097317