重新采样一个 numpy 数组

Question

像

这样的数组重新采样很容易

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

使用整数 重采样因子。例如，因子 2 :

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

但是对于非整数重采样因子，它不会那么容易工作:

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

应该是（带线性插值）：

[1 2.5 4 5.5 7 8.5 10]

或（取数组中最近的邻居）

[1 3 4 6 7 9 10]

如何使用非整数重采样因子对 numpy 数组进行重采样？

应用示例：音频信号重采样/重调

Answer 1

NumPy 有 numpy.interp 进行线性插值：

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 有 scipy.interpolate.interp1d 可以进行线性和最近的插值（尽管最近的点可能并不明显）：

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

如果你想要整数采样

a = numpy.array([1,2,3,4,5,6,7,8,9,10])
factor = 1.5
x = map(int,numpy.round(numpy.arange(0,len(a),factor)))
sampled = a[x]

Answer 3

由于您提到这是来自音频 .WAV 文件的数据，您可能会查看 scipy.signal.resample。

Resample x to num samples using Fourier method along the given axis.

The resampled signal starts at the same value as x but is sampled with a spacing of len(x) / num * (spacing of x). Because a Fourier method is used, the signal is assumed to be periodic.

您的线性阵列 a 不适合用来测试它，因为它在外观上不是周期性的。但是考虑 sin 数据：

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

将它们与两者进行比较

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

Answer 4

由于scipy.signal.resample可以，我搜索了其他适合音频的算法。

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

是scikit的scikit.samplerate用的，但是这个库好像安装比较麻烦（我放弃了Windows）。
幸运的是，libsamplerate 有一个易于使用且易于安装的 Python 包装器，由 Tino Wagner 制作：https://pypi.org/project/samplerate/。使用 pip install samplerate 安装。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')  
```

许多重采样解决方案的有趣阅读/比较： 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) 原创

2) 使用 libsamplerate / samplerate 模块重新采样

3) 使用 numpy.interp ("One-dimensional linear interpolation") 重新采样：

Answer 5

在信号处理中，您可以将重采样视为基本上重新缩放数组并使用最近、线性、立方等方法对缺失值或具有非整数索引的值进行插值。

使用scipy.interpolate.interp1d，可以使用下面的函数实现一维重采样

def resample(x, factor, kind='linear'):
    n = np.ceil(x.size / factor)
    f = interp1d(np.linspace(0, 1, x.size), x, kind)
    return f(np.linspace(0, 1, n))

例如：

a = np.array([1,2,3,4,5,6,7,8,9,10])
resample(a, factor=1.5, kind='linear')

产量

array([ 1. ,  2.5,  4. ,  5.5,  7. ,  8.5, 10. ])

和

a = np.array([1,2,3,4,5,6,7,8,9,10])
resample(a, factor=1.5, kind='nearest')

产量

array([ 1.,  2.,  4.,  5.,  7.,  8., 10.])

重新采样一个 numpy 数组

Resample a numpy array

python

arrays

numpy

audio

resampling