TensorFlow.js tf.spectral.rfft() 函数

tf.spectral.rfft() 是 TensorFlow.js 中的一个函数，它可以对给定的实数张量（例如音频信号）执行快速傅里叶变换（FFT）。这个函数返回一个实数张量，即输入张量的 rFFT。如何使用它？让我们一起看看。

语法

下面是 tf.spectral.rfft() 函数的语法：

tf.spectral.rfft(input: tf.Tensor2D | tf.Tensor3D | tf.Tensor4D, fftLength?: number): tf.Tensor2D;

函数接受两个参数：

• input：输入张量。可以是一个 2D、3D 或 4D 的 tf.Tensor，其中维度用于表示时间、频率和通道。
• fftLength：一个可选参数，用于指定傅里叶变换的长度。

函数返回傅里叶变换结果的实数张量。

使用示例

下面是一个使用 tf.spectral.rfft() 函数的示例，其中计算了一个 4s 长度、音频采样率为 44000Hz 的音频信号的傅里叶变换。

async function run() {
  // 加载音频文件
  const audio = await fetchAudioFile("AudioFile.mp3");

  // 从音频中提取单声道信号
  const signal = extractSingleChannelSignal(audio);

  // 将信号转换为张量
  const signalTensor = tf.tensor(signal);

  // 执行 rFFT
  const fft = tf.spectral.rfft(signalTensor);

  // 将结果可视化
  const frequencies = tf.linspace(0, 22000, fft.shape[1]);
  plotResults(frequencies.dataSync(), fft.dataSync());
}

注意，在使用 tf.spectral.rfft() 函数之前，我们需要将音频信号转换为张量。如果你不熟悉如何从音频中提取单声道信号，请参阅 tf.audio。

在 plotResults() 函数中，我们可以将傅里叶变换结果可视化。这是一个简单的 plotResults() 函数的例子：

function plotResults(x, y) {
  const trace = {
    x: x,
    y: y,
    type: "scatter",
  };

  Plotly.newPlot("plot", [trace], {
    margin: { t: 0 },
    xaxis: { title: "Frequency (Hz)" },
    yaxis: { title: "Magnitude" },
  });
}

总结

在本文中，我们学习了 tf.spectral.rfft() 函数的语法和用法。这个函数可以帮助我们对音频信号进行傅里叶变换，并帮助我们进行音频分析。使用 TensorFlow.js，可以在不离开浏览器的情况下实现傅里叶变换。