def fft(x): """ Iterative FFT algorithm """ N = len(x) if N <= 1: return x even = fft(x[0::2]) odd = fft(x[1::2]) T = [np.exp(-2j * np.pi * k / N) * odd[k] for k in range(N // 2)] return np.concatenate([even + T, even - T])有辦法對.wav音訊做處李嗎

可以对`.wav`音频文件进行傅里叶变换。具体步骤如下：

1. 使用Python的`wave`模块读取`.wav`音频文件，获取音频的采样率和采样点数据。

import wave

# 读取wav音频文件
wav = wave.open('audio.wav', 'rb')
# 获取采样率
sample_rate = wav.getframerate()
# 获取采样点数据
frames = wav.readframes(-1)

2. 将采样点数据转换为numpy数组，并进行傅里叶变换。

import numpy as np

# 将采样点数据转换为numpy数组
signal = np.frombuffer(frames, dtype='int16')
# 进行傅里叶变换
fft_signal = fft(signal)

3. 可以根据需要对变换后的数据进行处理，例如计算频率谱、绘制频谱图等。

import matplotlib.pyplot as plt

# 计算频率谱
freq = np.fft.fftfreq(len(signal), d=1/sample_rate)
fft_freq = np.abs(freq[:len(signal)//2])
fft_mag = np.abs(fft_signal[:len(signal)//2])
# 绘制频谱图
plt.plot(fft_freq, fft_mag)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Magnitude')
plt.show()

需要注意的是，对于`.wav`音频文件进行傅里叶变换时，需要注意采样率和采样位数。另外，由于傅里叶变换得到的频域数据是对称的，因此在绘制频谱图时只需要绘制一半即可。