我正在处理使用峰值滤波器过滤粉红噪声的问题(最终目标是均衡输入信号)。我一直在自己设计峰值滤波器，以更加熟悉一维信号滤波。至于粉红噪声，我使用的是通过https://github.com/felixpatzelt/colorednoise/blob/master/colorednoise.py中已经完成的工作生成的粉红噪声。
1 /我想知道为什么当我用相同的参数多次运行相同的函数时，功率谱图的强度是随机的，是由于调用了numpy.random.normal吗？有人将如何继续在指定的值范围内产生噪声？
以下两张图片显示，不同的运行功率范围是不确定的(无法直接发布图像，对于imgur链接感到抱歉):
2 /以下是我进一步使用的峰值滤波器的定义:
class PeakFilter():
def __init__(self, center_freq, sample_rate, Q, gainDB):
self.center_freq = center_freq
self.sample_rate = sample_rate
self.gainDB = gainDB
self.Q = Q
# derived quantities
self.A = 10**(self.gainDB/40)
self.center_freq = 2*np.pi * self.center_freq / self.sample_rate
def peak_transfer(self):
b = np.array([ 1, self.A/self.Q, 1 ])
a = np.array([ 1, 1/(self.A*self.Q), 1])
# shift to center frequency
b, a = signal.lp2lp(b, a, wo=self.center_freq)
return b, a
sample_rate = 44100
fc = 1000
Q = 1.7
Gdb = 5
peak_filt = PeakFilter(fc, sample_rate, Q, Gdb)
b, a = peak_filt.peak_transfer()
w, h = signal.freqs(b, a, 10000)
freq = w*sample_rate/2/np.pi
fig, ax = plt.subplots(1, 1, figsize=(8, 6))
ax.plot(freq, 20*np.log10(abs(h)), color='blue')
ax.set_xscale('log')
plt.grid('true')
plt.plot()
过滤器响应具有预期的形状:
https://imgur.com/bImjymX
但是，当我使用以下代码通过此过滤器过滤噪声时:
out = signal.filtfilt(b, a, noise)
plt.plot(out, color='red')
我得到以下结果:
https://imgur.com/k7a4DoR
这是我很难判断是否正确的方法。首先，我不知道为什么滤波后的噪声会变成这种形状和这样的值(也为负)。另外，我希望滤波后的信号在给定的中心频率下具有
Gdb和Q的形状或强度变化，但没有变化。在这个频率附近应该有衰减或增强(如果我做对了)。
最佳答案
我在这里读线，但似乎您正在尝试通过向其泵送一阵粉红色噪声并查看滤波器输出的FFT来验证滤波器是否具有所需的频率响应。在所需的形状上。
首先，噪声可能适合确定频率响应，但是我认为白噪声会更好，因为它没有您需要视觉补偿的滚降。
其次，如果将噪声泵入滤波器，则会遇到两个问题。
1)滤波器具有一些您可能不太在意的 transient 响应。
2)噪声是随机的。如果形状为白色或粉红色或其他形状，则随着时间的流逝才变得明显。尝试跳过过滤器。您会发现它在奔跑中到处弹跳。如果您确实想查看噪声信号的频谱，则需要执行平均。拿一个可以产生10 * N样本的噪声发生器。生成N个样本，取FFT幅度并将其累加起来。这样做N次并绘制结果。随着N的增加，噪声的形状将显示出来。现在，如果您执行相同操作，但将噪声通过滤镜，您将开始看到滤镜的形状。您可能希望舍弃平均值的前几个FFT结果，以免因过滤器的时域响应而产生偏差。
3)另一种方法是生成不同频率的正弦波，使其通过滤波器，然后计算输出幅度。例如，对于900到1100 Hz之间的100个频率，在该频率下生成100个周期的正弦波，使其通过滤波器，并绘制滤波后输出的RMS幅度与正弦频率的关系。
关于audio - 如何在Python中生成适当的粉红噪声并通过自定义峰值滤波器进行滤波，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57075821/