如何使用Python从WAV音频文件中提取不同时段的频率值

现有实现问题说明 #

你当前使用的过零计数法原理简单但抗干扰性极差，录制过程中存在的背景噪声、信号直流偏移、多径反射带来的谐波分量都会直接导致计数错误，且10ms的短窗口对低频信号的计数误差会非常大，是结果不符合预期的核心原因。

适配场景的Python库推荐 #

• librosa：音频领域常用的专业处理库，内置了大量成熟的频域分析、基频检测API，无需手动实现底层逻辑
• scipy.signal：科学计算生态下的信号处理模块，自带FFT、功率谱计算、滤波、谐波检测等工具，灵活性高
• numpy：基础数值计算库，可用来快速实现自定义的频域转换逻辑

推荐处理算法 #

如果你播放的是单频纯音信号，优先选择以下两种方案：

1. FFT（快速傅里叶变换）法 #

将时域信号转换为频域后提取幅值最高的频率点，是单频信号检测的通用方案，可通过加窗操作减少频谱泄漏，精度远高于过零计数。
示例实现：

import numpy as np
from scipy.io import wavfile
from scipy.fft import fft, fftfreq

def getFreq(start, window_ms=10):
    sr, data = wavfile.read("somefile.wav")
    # 双声道转单声道
    if len(data.shape) > 1:
        data = data.mean(axis=1)
    # 消除直流偏移
    data = data - np.mean(data)
    # 计算窗口起止采样点
    sp = int(sr * start / 1000)
    ep = int(sr * (start + window_ms) / 1000)
    window_data = data[sp:ep]
    # 加汉明窗减少频谱泄漏
    window_data = window_data * np.hamming(len(window_data))
    N = len(window_data)
    # 计算FFT和频率轴
    yf = fft(window_data)
    xf = fftfreq(N, 1 / sr)[:N//2]
    yf_abs = 2.0 / N * np.abs(yf[:N//2])
    # 取峰值对应频率
    peak_freq = xf[np.argmax(yf_abs)]
    return int(peak_freq)

2. YIN基频检测算法 #

专门针对音频基频检测设计，抗噪性、对谐波场景的适配性都远优于过零计数，librosa库已经封装了成熟实现，直接调用即可。
示例实现：

import numpy as np
import librosa

def getFreq_pyin(start, window_ms=10):
    # sr=None保留原始采样率
    y, sr = librosa.load("somefile.wav", sr=None)
    frame_length = int(sr * window_ms / 1000)
    # fmin、fmax可根据你实际播放的频率范围调整
    f0, _, _ = librosa.pyin(
        y,
        fmin=50,
        fmax=2000,
        frame_length=frame_length,
        hop_length=frame_length
    )
    frame_idx = int(start / window_ms)
    return int(f0[frame_idx]) if not np.isnan(f0[frame_idx]) else 0

优化注意事项 #

• 窗口长度可根据播放频率调整，低于100Hz的低频信号建议将窗口拉长到50ms以上，保证窗口内至少包含3~5个信号周期，降低误差
• 如果录制背景噪声较大，可先调用scipy.signal.butter实现带通滤波，滤除播放频率范围外的噪声
• 若播放的是多频率叠加信号，可在FFT后提取所有幅值超过阈值的频率点即可

内容的提问来源于stack exchange，提问作者Jonathan