重新采样一个numpy数组

Question

很容易重新采样数组

 a = numpy.array([1,2,3,4,5,6,7,8,9,10])

具有整数重采样因子.例如,使用因子2:

b = a[::2]    # [1 3 5 7 9]

但是使用非整数重采样因子,它不会那么容易:

c = a[::1.5]    # [1 2 3 4 5 6 7 8 9 10]  => not what is needed...

它应该是(使用线性插值):

[1 2.5 4 5.5 7 8.5 10]

或(通过采取阵列中最近的邻居)

[1 3 4 6 7 9 10]

如何使用非整数重采样因子重新采样numpy数组？

应用示例:音频信号重采样/重新排样

Answer 1

NumPy有numpy.interp线性插值:

In [1]: numpy.interp(np.arange(0, len(a), 1.5), np.arange(0, len(a)), a)
Out[1]: array([  1. ,   2.5,   4. ,   5.5,   7. ,   8.5,  10. ])

SciPy scipy.interpolate.interp1d可以进行线性和最近的插值(尽管哪个点最接近可能不明显):

In [2]: from scipy.interpolate import interp1d
In [3]: xp = np.arange(0, len(a), 1.5)
In [4]: lin = interp1d(np.arange(len(a)), a)

In [5]: lin(xp)
Out[5]: array([  1. ,   2.5,   4. ,   5.5,   7. ,   8.5,  10. ])

In [6]: nearest = interp1d(np.arange(len(a)), a, kind='nearest')

In [7]: nearest(xp)
Out[7]: array([  1.,   2.,   4.,   5.,   7.,   8.,  10.])

Answer 2

既然你提到这是来自音频.WAV文件的数据,你可能会看一下scipy.signal.resample.

沿给定轴使用傅立叶方法重新采样x到num样本.

重采样信号以相同的值开始,x但以间隔为采样len(x) / num * (spacing of x).因为使用傅立叶方法,所以假设信号是周期性的.

你的线性阵列a不适合测试它,因为它在外观上不是周期性的.但考虑sin数据:

x=np.arange(10)
y=np.sin(x)
y1, x1 =signal.resample(y,15,x)  # 10 pts resampled at 15

比较这两者

y1-np.sin(x1) # or
plot(x, y, x1, y1)

Answer 3

由于scipy.signal.resample可以很慢，我搜索了其他算法适用于音频。

似乎Erik de Castro Lopo的SRC（又名Secret Rabbit Code，又名libsamplerate）是可用的最佳重采样算法之一。

• 它由scikit的使用scikit.samplerate，但是该库的安装似乎很复杂（我在Windows上放弃了）。

• 幸运的是，有一个libsamplerate由Tino Wagner制造的易于使用且易于安装的Python包装器：https : //pypi.org/project/samplerate/。使用进行安装pip install samplerate。用法：

  import samplerate
  from scipy.io import wavfile
  sr, x = wavfile.read('input.wav')  # 48 khz file
  y = samplerate.resample(x, 44100 * 1.0 / 48000, 'sinc_best')  
  

有趣的阅​​读/比较许多重采样解决方案：http : //signalsprocessed.blogspot.com/2016/08/audio-resampling-in-python.html

附录：重采样频率扫描（20hz至20khz）的频谱图比较：

1）原始

2）用libsamplerate / samplerate模块重新采样

3）用numpy.interp（“一维线性插值”）重新采样：