好的，我正在尝试做的是一种音频处理软件，可以检测到一个普遍的频率，如果该频率播放了足够长的时间（几毫秒），我知道我得到了肯定的匹配。我知道我将需要使用FFT或类似的方法，但是在这个数学领域中，我很烂，我确实在互联网上进行搜索，但没有找到仅能执行此操作的代码。
尝试接收的目标是使自己成为一种自定义协议，以发送数据通过声音，每秒需要非常低的比特率（5-10bps），但在发送端也非常有限，因此接收软件将需要能够自定义（不能使用实际的硬件/软件调制解调器）我也希望它仅是软件（除声卡外没有其他硬件）
非常感谢您的帮助。
所述aubio库已经包裹SWIG并且因此可以被Python使用。在它们的许多功能中，包括用于音调检测/估计的几种方法，包括YIN算法和一些谐波梳状算法。
但是，如果您想要更简单的方法，我前段时间编写了一些用于音高估算的代码，您可以接受也可以保留它。它不会像使用aubio中的算法那样精确，但是它可能足以满足您的需求。我基本上只是将数据的FFT乘以一个窗口（在本例中为Blackman窗口），对FFT值求平方，找到具有最高值的bin，并使用最大值的对数对峰值进行二次插值和它的两个相邻值来找到基频。我从发现的一些论文中得到了二次插值。
它可以在测试音调上很好地工作，但是不会像上面提到的其他方法那样健壮或准确。可以通过增加块大小来提高精度（或通过减小块大小来降低精度）。块大小应为2的倍数，以充分利用FFT。另外，我只是确定每个块的基本音高，没有重叠。我在写出估计音高的同时使用了PyAudio播放声音。
源代码：
# Read in a WAV and find the freq's import pyaudio import wave import numpy as np chunk = 2048 # open up a wave wf = wave.open('test-tones/440hz.wav', 'rb') swidth = wf.getsampwidth() RATE = wf.getframerate() # use a Blackman window window = np.blackman(chunk) # open stream p = pyaudio.PyAudio() stream = p.open(format = p.get_format_from_width(wf.getsampwidth()), channels = wf.getnchannels(), rate = RATE, output = True) # read some data data = wf.readframes(chunk) # play stream and find the frequency of each chunk while len(data) == chunk*swidth: # write data out to the audio stream stream.write(data) # unpack the data and times by the hamming window indata = np.array(wave.struct.unpack("%dh"%(len(data)/swidth),\ data))*window # Take the fft and square each value fftData=abs(np.fft.rfft(indata))**2 # find the maximum which = fftData[1:].argmax() + 1 # use quadratic interpolation around the max if which != len(fftData)-1: y0,y1,y2 = np.log(fftData[which-1:which+2:]) x1 = (y2 - y0) * .5 / (2 * y1 - y2 - y0) # find the frequency and output it thefreq = (which+x1)*RATE/chunk print "The freq is %f Hz." % (thefreq) else: thefreq = which*RATE/chunk print "The freq is %f Hz." % (thefreq) # read some more data data = wf.readframes(chunk) if data: stream.write(data) stream.close() p.terminate()
