scipy.rfft分析电脑音频时检测频率为预期值一半的问题咨询

问题原因 #

你遇到的频率减半、存在镜像峰的问题，核心原因是读取立体声音频流时直接按单声道序列做了解码处理：

• Pyaudio默认开启的音频流为双声道（立体声）格式，每个音频帧包含左、右两个通道的16位采样值
• 你调用stream.read(int(self.sampleRate/10))拿到的缓冲区，对应sampleRate/10个立体声帧，用np.frombuffer(..., np.int16)解码后得到的数组长度是2*sampleRate/10，是实际单声道采样帧数的两倍
• 将两倍长度的数组传入rfft计算时，rfftfreq用错误的序列长度计算频率轴，最终得到的频率值只有实际值的一半；而你观测到的12kHz镜像峰，刚好对应44100Hz采样率的奈奎斯特频率（22050Hz）减去原始10kHz信号的频率值，是序列拼接错误带来的典型混叠伪影。

修复方案 #

方案1：流读取后转单声道 #

如果你的流本身就是立体声配置，解码后提取单通道数据再做FFT即可，修改读取代码如下：

frames = np.frombuffer(
            self.stream.read(int(self.sampleRate/10)), np.int16)
# 新增：提取左通道数据，也可替换为 frames[1::2] 取右通道，或左右通道平均
frames = frames[::2]
xf, yf = audioUtils.getSpectrum(frames, self.sampleRate)
self.plotWidget.plot(xf, yf)

方案2：直接开启单声道流 #

在初始化Pyaudio流时，将channels参数设置为1，只要你使用的分支支持单声道环回录制，读取的缓冲区就直接是单声道采样，无需额外处理。

验证方法 #

你可以打印解码后的len(frames)值确认问题：如果未做处理时长度是8820（对应44100Hz采样率下0.1秒的立体声数据），处理后变为4410，就说明问题根因确实是立体声未转单声道。

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