这里需要用到傅里叶变换，将时域信号Time Domain Signal转换成频域信号Frequency Domain Signal
这里使用 Python 代码直观地体现这个过程
首先要准备 1khz 频率的音频文件 1.0khz_1s.wav, 然后使用以下代码去呈现信号的波形
实现代码
import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile
# 读取 WAV 文件
sample_rate, data = wavfile.read('1.0khz_1s.wav')
# 创建时域信号的图像
plt.figure(figsize=(20, 6))
# 子图 1: 时域信号
plt.subplot(2, 1, 1)
plt.plot(data, color='blue')
plt.title('Time Domain Signal')
plt.xlabel('Sample Index')
plt.ylabel('Amplitude')
plt.xlim(0, len(data))
# 计算频域信号
# 使用快速傅里叶变换（FFT）
n = len(data)
frequencies = np.fft.rfftfreq(n, d=1/sample_rate)
fft_values = np.fft.rfft(data)
# 子图 2: 频域信号
plt.subplot(2, 1, 2)
plt.plot(frequencies, np.abs(fft_values), color='red')
plt.title('Frequency Domain Signal')
plt.xlabel('Frequency (Hz)')
plt.ylabel('Magnitude')
plt.xlim(0, sample_rate // 2) # 显示 0 到 Nyquist 频率
# 显示图形
plt.tight_layout()
plt.show()
运行效果
然后你可以观察到，下面频域信号Frequency Domain Signal有明显的特征，找到频幅Magnitude最大值的位置，对应的频率就是主频率 1khz
