表征音频信号涉及将时域信号转换到频域，并理解其频率分量。这是一个重要步骤，因为它提供了关于信号的大量信息。您可以使用傅里叶变换等数学工具来执行此转换。

示例

以下示例逐步展示了如何使用 Python 表征存储在文件中的信号。请注意，这里我们使用傅里叶变换数学工具将其转换到频域。

导入必要的包，如下所示：

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile

现在，读取存储的音频文件。它将返回两个值：采样频率和音频信号。提供音频文件存储的路径，如下所示：

frequency_sampling, audio_signal = wavfile.read("/Users/admin/sample.wav")

在这一步中，我们将使用以下命令显示音频信号的采样频率、信号的数据类型及其持续时间等参数：

print('\nSignal shape:', audio_signal.shape)
print('Signal Datatype:', audio_signal.dtype)
print('Signal duration:', round(audio_signal.shape[0] /
float(frequency_sampling), 2), 'seconds')

在这一步中，我们需要对信号进行归一化，如下所示：

audio_signal = audio_signal / np.power(2, 15)

这一步涉及提取信号的长度和半长。为此，使用以下命令：

length_signal = len(audio_signal)
half_length = np.ceil((length_signal + 1) / 2.0).astype(np.int)

现在，我们需要应用数学工具转换到频域。这里我们使用傅里叶变换：

signal_frequency = np.fft.fft(audio_signal)

现在，对频域信号进行归一化并平方：

signal_frequency = abs(signal_frequency[0:half_length]) / length_signal
signal_frequency **= 2

接下来，提取频率变换后信号的长度和半长：

len_fts = len(signal_frequency)

请注意，傅里叶变换后的信号必须针对偶数和奇数情况进行调整：

if length_signal % 2:
    signal_frequency[1:len_fts] *= 2
else:
    signal_frequency[1:len_fts-1] *= 2

现在，提取分贝（dB）单位的功率：

signal_power = 10 * np.log10(signal_frequency)

调整 X 轴的频率为 kHz：

x_axis = np.arange(0, half_length, 1) * (frequency_sampling / length_signal) / 1000.0

现在，可视化信号的表征：

plt.figure()
plt.plot(x_axis, signal_power, color='black')
plt.xlabel('Frequency (kHz)')
plt.ylabel('Signal power (dB)')
plt.show()

您可以观察到上述代码的输出图表，如下所示：