一 概念  

    最近需要用到这个数据。笔者需要，使用 Python 的numpy库结合scipy和matplotlib库来计算并显示音频数据频谱信息的示例代码。我们将使用scipy.io.wavfile来读取音频文件，numpy进行快速傅里叶变换（FFT）计算频谱，最后用matplotlib来绘制频谱图。

二 源码解析：

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfiledef plot_audio_spectrum(file_path):# 读取音频文件sample_rate, audio_data = wavfile.read(file_path)# 如果音频是立体声，取单声道数据if len(audio_data.shape) > 1:audio_data = audio_data[:, 0]# 计算音频数据的长度audio_length = len(audio_data)# 进行快速傅里叶变换fft_data = np.fft.fft(audio_data)# 计算频率轴frequencies = np.fft.fftfreq(audio_length, 1 / sample_rate)# 取单边频谱frequencies = frequencies[:audio_length // 2]fft_data = 2.0 / audio_length * np.abs(fft_data[:audio_length // 2])# 绘制频谱图plt.figure(figsize=(12, 6))plt.plot(frequencies, fft_data)plt.title('音频频谱')plt.xlabel('频率 (Hz)')plt.ylabel('幅值')plt.grid()plt.show()if __name__ == "__main__":# 替换为你的音频文件路径audio_file_path = 'your_audio_file.wav'plot_audio_spectrum(audio_file_path)

三 代码解析：

1. 读取音频文件：使用scipy.io.wavfile.read函数读取指定路径的音频文件，返回采样率和音频数据。
2. 处理立体声音频：如果音频是立体声（即有多个声道），代码会选取第一个声道的数据进行处理。
3. 执行快速傅里叶变换：使用numpy.fft.fft函数对音频数据进行快速傅里叶变换，得到频域表示。
4. 计算频率轴：使用numpy.fft.fftfreq函数计算频率轴，该函数根据采样率和数据长度生成对应的频率值。
5. 获取单边频谱：为了方便显示，代码只保留了单边频谱（正频率部分），并对频谱幅值进行归一化处理。
6. 绘制频谱图：使用matplotlib库绘制频谱图，展示音频数据的频谱信息。

四 效果展示：

   笔者使用了一个192khz的原始音频数据，输入了一个20khz左右的tone信号，结果如下所示：

可以看出，能采集到信号的数据。