树莓派3B上scipy.signal.resample_poly降采样返回全零结果问题求助

我完全懂你这种被跨平台差异搞疯的心情！先把你的问题梳理清楚：你在PC上用scipy.signal.resample_poly做降采样完全正常，但到树莓派3B上就返回全零数组，而且换了新旧版本的numpy和scipy都没解决，确实头疼。

先贴一下你的测试代码方便大家参考：

import numpy as np
from scipy.signal import resample_poly

audio_data = np.array([ 43, 58, 67, 88, 89, 99, 121, 113, 88, 69])
sample_rate = 4000
file_rate = 16000

print(f"Before: {audio_data}")
audio_data = resample_poly(audio_data, sample_rate, file_rate)
print(f"After {audio_data}")

PC输出：

After [ 28.66957128 103.77145182 80.49835032]

树莓派3B输出：

After [0. 0. 0.]

你试过的版本：numpy-2.0.2 + scipy-1.13.1，以及numpy-1.23.0 + scipy-1.8.1，结果一致；其他版本要么没有预编译wheel，要么编译失败或导入报错。

下面给你几个排查和解决的方向：

1. 先检查数据类型的影响 #

你的输入数组是整数类型，虽然scipy理论上支持整数输入，但ARM架构和x86架构对整数运算的处理可能存在差异。试试先把数据转成浮点型再处理，比如：

audio_data = np.array([43, 58, 67, 88, 89, 99, 121, 113, 88, 69], dtype=np.float64)

或者在调用resample_poly前强制转换：

audio_data = resample_poly(audio_data.astype(np.float64), sample_rate, file_rate)

很多时候这种类型转换能解决跨平台的奇怪问题。

2. 排查scipy的编译依赖问题 #

树莓派上的scipy如果是通过pip安装的预编译wheel，可能缺少了FFTW库的支持——resample_poly底层依赖FFTW做高效的多相滤波计算，如果编译时没链接FFTW，可能会导致计算异常。

你可以尝试先安装系统级的FFTW依赖，再手动编译scipy（虽然你说编译麻烦，但值得一试）：

sudo apt-get install libfftw3-dev libopenblas-dev

然后用pip编译安装指定版本：

pip install --no-binary :all: scipy==1.13.1

如果编译太耗时，也可以试试用conda-forge的ARM适配包，比如安装miniforge后：

conda install scipy numpy

3. 换用替代的降采样方案 #

如果resample_poly在树莓派上的问题暂时没法解决，可以换用更稳妥的“低通滤波+抽取”方案，这是降采样的标准流程，也能避免混叠：

import numpy as np
from scipy.signal import firwin, lfilter

audio_data = np.array([43, 58, 67, 88, 89, 99, 121, 113, 88, 69], dtype=np.float64)
sample_rate = 4000
file_rate = 16000
down_factor = file_rate // sample_rate  # 这里是4倍降采样

# 设计抗混叠低通滤波器，截止频率为目标采样率的一半
nyquist_freq = file_rate / 2
cutoff_freq = sample_rate / 2
filter_taps = 31  # 滤波器阶数，阶数越高滤波效果越好
low_pass_filter = firwin(filter_taps, cutoff_freq / nyquist_freq)

# 先滤波再降采样
filtered_data = lfilter(low_pass_filter, 1.0, audio_data)
downsampled_data = filtered_data[::down_factor]

print(f"After: {downsampled_data}")

这个方案在ARM和x86平台上的表现应该是一致的，而且计算效率也不低，适合树莓派的CPU性能。

希望这些方法能帮你解决问题！

内容来源于stack exchange