lecture d'un fichier wav/analyse sonore

Version imprimable

30/12/2016, 17h43
gaspardgas

lecture d'un fichier wav/analyse sonore

Bonjour,
Je dispose d'un fichier .wav et j'aimerais d'abord le convertir en tableau de valeurs afin de pouvoir afficher la "courbe" du du son à l'aide de matplotlib. Et ensuite faire l'analyse des partiels de ce son (fft, etc).
CJe ne sais pas comment m'y prendre
Je travaille sur Spyder
Merci d'avance pour votre aide
30/12/2016, 17h51
wiztricks

Salut,

Peut être commencer par lire les réponses aux posts récents sur le sujet comme celui-ci?

- W
31/12/2016, 12h43
gaspardgas

2 pièce(s) jointe(s)

Merci, j'avais mal cherché désolé.
J'ai pu faire de jolies FFT grâce à numpy.
En fait, pour expliquer plus clairement mon projet, je veux réaliser une analyse/synthèse additive d'une note de piano.

Un son est composé de partiels(ou harmoniques).
Ici, ces partiels varient au cours du temps (en amplitude) donc une simple FFT est utile pour avoir les fréquences de ces partiels mais ne suffira pas pour modéliser car on ne voit pas leur variation temporelle.

La clé du problème est d'obtenir un sonagramme, autrement dit, l'évolution de chaque partiel en fonction du temps pour les modéliser.
La fonction sonagram de scipy nous donne déjà un résultat intéressant , malgré une mauvaise précision sur les fréquences qui peut être améliorée.
On voit que la fréquence fondamentale colle bien avec la note jouée (un DO3 de 262 Hz) notamment.
Pièce jointe 231446

Mais je voudrais un sonagramme où on pourrait avoir des valeurs numériques (et non juste des variations de couleurs) et pouvoir accéder à chaque partiel.
En 2e pièce jointe, un exemple tiré d'un livre pour illustrer mon propos (désolé de la qualité approximative de ma photo).

Je pense qu'il faut peut-être traiter les valeurs que renvoie la fonction sonagram.
Si quelqu'un a déja été confronté à ce problème
Merci de votre aide

J'imagine que cela ne vous aidera pas mais on ne sait jamais :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
import matplotlib.pyplot as plt
import numpy as np
from scipy.io import wavfile as wf
from scipy import fft
 
sons =["yeah.wav","beep_02.wav", "beep_03.wav","a6.wav"]
 
def traitement(son):
    sampFreq, snd = wf.read(son)
    snd = snd / (2.**15)
    shap = snd.shape[0]
#    print(snd)
    try:
        s1 = snd[:,0]
    except:
        s1 = snd
 
    timeArray = np.arange(0, shap, 1)
    timeArray = timeArray / sampFreq
    timeArray = timeArray * 1000 #scale to milliseconds
    plt.plot(timeArray, s1, color='b')
    plt.ylabel('Amplitude')
    plt.xlabel('Time (ms)')
    plt.show()
    plt.savefig("im"+str(son.split(".")[0])+".png")
 
    n = len(s1) 
    p = fft(s1) 
    nUniquePts = int(np.ceil((n+1)/2.0))
    p = p[0:nUniquePts]
    p = abs(p)
    p = p / float(n) 
 
    p = p**2  
 
    if n % 2 > 0: 
        p[1:len(p)] = p[1:len(p)] * 2
    else:
        p[1:len(p) -1] = p[1:len(p) - 1] * 2 
 
    freqArray = np.arange(0, nUniquePts, 1.0) * (sampFreq / n);
    plt.plot(freqArray/50, 10*np.log10(p), color='r')
    plt.xlabel('Frequency (kHz)')
    plt.ylabel('Power (dB)')
    plt.show()
 
    rms_val = np.sqrt(np.mean(s1**2))
    print("rms : ",rms_val)
 
 
for i in range(len(sons)):
    print(sons[i])
    traitement(sons[i])