Ищу софт для восстановления формулы, по которой сгенерирован .wav

Я не настоящий сварщик, но задача звучит как описание преобразования Фурье.

scilab наверное лучше всего. Импортируешь wav файл как массив, делается одной командой, применяешь на него функцию fft, смотришь результат в виде таблицы, строишь графики. И все.

Ну или python + jupyter notebook + scipy

Как по .wav/.mp3 восстановить генератор?

Зачем восстанавливать? Проще сгенерировать. У всех генераторов БШ на основе ПСП спектры похожие, почти равномерные, почти «белые» ©.

P.S. Ежели совсем лень, то есть «шумовой сайт» © :)

Пожалуйста, можете написать эти команды? Либо где их искать.

На основе чего?

Вот как загрузить туда файл wav

https://help.scilab.org/doc/5.3.3/en_US/loadwave.html

Как получить спектр

https://help.scilab.org/doc/5.5.2/en_US/fft.html

Графики строить командой plot, тоже можно в справке по scilab посмотреть там же.

На основе чего?

На основе псевдослучайных чисел (ПСЧ) ©, например, дискретный белый шум можно получить так: x = 2 * ((rand()/((double)RAND_MAX)) - 0.5).

А проще не fft функцию использовать, а analyze. Сразу получишь спектр, откроется график.

https://help.scilab.org/doc/5.3.3/en_US/analyze.html

Спасибо. А можно ли получить не графики, а формулы? Аналитическое представление?

Ну вот выполнил я analyze(loadwave('имя')). Получил график. А как по нему получить формулу? По пикам я найду амплитуду на глаз, что мне дальше делать?

Задал заодно вопрос на stackoverflow:

https://stackoverflow.com/q/48659996

У белого шума нет формулы. Это статистический процесс.

Как из набора значений получить формулу — google://«функция по точкам».

Я не прав. Это не белый шум, это записанный генератор.

Тогда вместо analyze надо применить

Z = fft(wf)

где wf - массив, в который загрузился файл wav. Получится массив Z, комплексных чисел. Просмотреть его можно в окне переменных, щелкнув по нему, откроется таблица. Каждый элемент массива - это амплитуда синуса и косинуса соответствующей частоты. То есть это разложение в ряд Фурье. То есть находишь элементы, которые отличаются от нуля - это и есть гармоники сигнала. Действительная часть числа - амплитуда синуса, мнимая - косинуса. Частоту, которая соответствует каждому элементу массива, надо рассчитать отдельно.

Смотреть надо до середины массива, после середины то же самое в зеркальном отражении идет.

Это работает, только если послеовательность бесконечна. При конечной последовательности имеем эффект (Гиббса) искажения краев. Чем короче последовательность, тем сильнее искажения.

Естественно, но я надеюсь ему не нужна точность до тысячных долей герца. Если у него там частота сигнала килогерц, и запись несколько секунд, то вполне нормально получится.

Ух ты.

1. А как сделать расчет частот?

2. А можно ли все это автоматизировать? Неужели никому до меня не надо было?

Ой, мне бы гармоник получить, потом буду об эффектах думать.

Ух ты.

Ага, учи матан, ибо правильная формулировка задачи — это половина её решения.

1. А как сделать расчет частот?
2. А можно ли все это автоматизировать? Неужели никому до меня не надо было?

Глянь примеры в MathWorks/Signal Processing Toolbox ©.

Вот команда

f=sample_rate*(0:(N/2))/N;

f - это получится массив со значениями частот для каждого элемента массива от fft. То есть f(10) - это частота гармоники Z(10). sample_rate - частота дискретизации wav файла, N - число элементов массива wav файла. Массив f будет в два раза короче массива Z, который дает функция fft. Но как я уже писал, из массива Z интересует только первая половина элементов.

Свой mp3 решил сбацать?

Нет.

Спасибо.