はじめに

音信号の分析では、時間波形を直接分析するのではなく、様々な周波数分析手法を利用します。

比較的細かい周波数成分を見る方法としては、

STFT (短時間フーリエ変換)
CQT (定Q変換)
メルフィルタバンク

がよく使われています。これらのライブラリは音楽分析モジュール LibROSA に実装されており、簡単に利用することができます。

LibROSA：Pythonで手軽に始める音楽データ分析 - Wizard Notes

一方、分析する周波数が大域的である分析方法として、オクターブバンドフィルタバンク（オクターブバンド分析）のような手法が挙げられます。

環境音や騒音の分析などで利用されていることが多い印象です。

Python でオクターブバンド分析が実装されているライブラリを探したところ、PyFilterBank というライブラリを見つけました。

以下では、PyFilterBank を使ったオクターブバンド分析のサンプルコードを作成しましたので、結果と合わせて紹介したいと思います。

PyFilterBank の概要

PyFilterBank は、様々なフィルタバンクを提供するPython向けライブラリです。

以下のフィルタバンクを利用できます。

オクターブバンド
メルフィルタバンク
ガンマトーン
周波数重み付けフィルタ
- A特性
- B特性
- C特性

siggigue.github.io

インストール方法

pip install git+https://github.com/SiggiGue/pyfilterbank.git

オクターブバンド分析用クラス

pyfilterbank.octbank.FractionalOctaveFilterbank クラスのインスタンスを作ることで、numpyの信号に対してオクターブバンド分析を適応することができます。

class pyfilterbank.octbank.FractionalOctaveFilterbank(
    sample_rate=44100, #サンプリング周波数
    order=4, #フィルタ次数（偶数）
    nth_oct=3.0, #1オクターブ当たりのバンド数
    norm_freq=1000.0,  # 基準周波数
    start_band=-19, 
    end_band=13, 
    edge_correction_percent=0.01, 
    filterfun='cffi'
)

サンプルコード

クリックで展開

import numpy as np
import soundfile as sf
import matplotlib.pyplot as plt
from pyfilterbank import FractionalOctaveFilterbank


# オーディオファイル読み込み
filepath = "stream.wav"
x, sr = sf.read(filepath)

# 1/3 オクターブバンド分析
# y.shape = (サンプル数, バンド数)
ofb = FractionalOctaveFilterbank(sample_rate=sr, order=4, nth_oct=3.0)
y, states = ofb.filter(x)

# 時間方向に加算、対数(dB)に変換
L_sum = np.sum(y**2, axis=0)
L = 10 * np.log10(L_sum/np.max(L_sum))

# 各バンドの中心周波数
freqs = np.array(list(states.keys()))

# プロット
plt.subplot(2,1,1)
plt.plot(freqs, L, marker="o", color="c")
plt.grid()
plt.title("Octave-band analysis")
plt.subplot(2,1,2)
plt.plot(freqs, L, marker="o", color="m")
plt.grid()
plt.xscale('log')
plt.title("Octave-band analysis (xscale is \'log\')")
plt.tight_layout()
plt.show()