如何批量分析 WAV 文件中的高频成分（如蝙蝠叫声）-Python教程-PHP中文网

如何批量分析 WAV 文件中的高频成分（如蝙蝠叫声）

本文介绍使用 python 批量检测多个 wav 音频文件中是否含有 10 khz 以上显著能量成分的方法，通过 fft 频谱分析提取高频能量强度，并输出可导入 excel 的结构化结果。

本文介绍使用 python 批量检测多个 wav 音频文件中是否含有 10 khz 以上显著能量成分的方法，通过 fft 频谱分析提取高频能量强度，并输出可导入 excel 的结构化结果。

在生态声学监测（如蝙蝠洞录音分析）中，常需从大量 WAV 录音中快速筛选出含特定高频生物声（如蝙蝠回声定位声，通常 >10 kHz）的有效样本。直接“查找最高频率”在实际音频中意义有限——受采样率、噪声和瞬态特性影响，单个峰值频率易失真且不可靠；更稳健的做法是：评估目标频段（如 10–96 kHz）内的总能量强度，即计算该频段 FFT 幅值谱的能量和（或其对数尺度 dB 值）。

以下是一个完整、可运行的 Python 教程方案，基于 scipy 和 numpy 实现：

✅ 核心步骤概览

读取 WAV 文件（自动适配单/双声道，重采样至统一采样率）
分帧加窗（推荐汉宁窗 + 50% 重叠），对每帧做 FFT
计算功率谱，映射频率轴，提取 ≥10 kHz 频段的能量均值（线性或 dB）
汇总各文件的高频能量指标，生成 CSV 表格供 Excel 导入

? 示例代码（完整可执行）

import os
import numpy as np
import pandas as pd
from scipy.io import wavfile
from scipy.fft import fft, fftfreq
from pathlib import Path

def analyze_high_freq_energy(file_path, freq_threshold=10000, target_band=(10000, 96000)):
    """
    提取 WAV 文件中指定高频区间的平均能量（dBFS）
    返回：文件名、采样率、高频能量（dB）、是否超过阈值（布尔）
    """
    try:
        sr, data = wavfile.read(file_path)
        # 转为浮点型并归一化到 [-1.0, 1.0]
        if data.dtype == np.int16:
            data = data.astype(np.float32) / 32768.0
        elif data.dtype == np.int32:
            data = data.astype(np.float32) / 2147483648.0
        else:
            data = data.astype(np.float32)

        # 单声道处理（取左声道或均值）
        if data.ndim > 1:
            data = data.mean(axis=1)

        # 分帧（2048 点，约 46 ms @ 44.1 kHz）
        n_fft = 2048
        hop_length = n_fft // 2
        frames = [data[i:i+n_fft] for i in range(0, len(data)-n_fft, hop_length)]
        if not frames:
            return file_path.name, sr, np.nan, False

        # 对每帧计算功率谱
        energies = []
        for frame in frames:
            if len(frame) = target_band[0]) & (freqs  0:
                energies.append(10 * np.log10(band_power + 1e-12))  # 转 dB，防 log0

        avg_dB = np.mean(energies) if energies else -np.inf
        is_bat_like = avg_dB > -60  # 经验阈值：-60 dBFS 以上视为存在显著高频活动
        return file_path.name, sr, round(avg_dB, 2), is_bat_like

    except Exception as e:
        return file_path.name, None, np.nan, False

# 批量处理目录下所有 .wav 文件
wav_dir = Path("bat_recordings/")  # 替换为你的文件夹路径
results = []
for wav_file in wav_dir.glob("*.wav"):
    res = analyze_high_freq_energy(wav_file)
    results.append(res)

# 生成结构化表格
df = pd.DataFrame(results, columns=["Filename", "SampleRate", "HF_Energy_dB", "Has_Bat_Signal"])
df.to_csv("bat_detection_report.csv", index=False, encoding="utf-8-sig")
print("✅ 分析完成！结果已保存至 bat_detection_report.csv")
print(df.head())

⚠️ 关键注意事项

采样率决定上限：根据奈奎斯特定律，若原始录音采样率为 44.1 kHz，则理论最高分析频率为 22.05 kHz；若需分析 96 kHz 声音，请确保录音设备支持 ≥192 kHz 采样（否则高频信息已丢失）。
避免“虚假峰值”：不建议仅依赖单帧 FFT 的最大频率点——环境电噪声、ADC 量化伪影可能在高频区产生孤立尖峰；应统计多帧、宽频带的能量分布。
阈值需校准：-60 dBFS 是常见起始阈值，但实际应结合空白录音（无蝙蝠）的本底噪声水平调整，推荐先用 5–10 个已知正/负样本标定。
性能优化提示：对千级文件，可启用 concurrent.futures.ProcessPoolExecutor 并行加速；大文件建议流式分块读取（soundfile 库支持）。