Python-сообщество

#a - некий массив
from scipy import interpolate
x = np.arange(0,len(a))
y = a
f = interpolate.interp1d(x, y)

    raise ValueError("x and y arrays must be equal in length along "
ValueError: x and y arrays must be equal in length along interpolation axis.

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy.fft
import pylab
import math
import wave
import numpy as np
import os
import datetime
import scipy
import obspy.signal
from scipy import interpolate
def dependencies_for_myprogram():
    from scipy.sparse.csgraph import _validation
print u'* начинаем перекодирование'
np.set_printoptions(threshold=np.nan)
types = {
    1: np.int8,
    2: np.int16,
    4: np.int32
}
wav = wave.open("record.wav", mode="r")
(nchannels, sampwidth, framerate, nframes, comptype, compname) = wav.getparams()
content = wav.readframes(nframes)
samples = np.fromstring(content, dtype=types[sampwidth])
wav.close()
print u"Определение параметров..."
print u"Ширина выборки", sampwidth
print u"Дискритизация", framerate
print u"Количество частей", nframes
print u"Тип сжатия", comptype
print u"Имя сжатия", compname
print u"Длина файла (секунд)", float(nframes)/framerate
#приведение к нормальному виду матрицы (для записи в файл)
p=samples.reshape(-1, 2)
toshi=len(p)
print u"Количество точек", toshi
#середина массива"
tosh=toshi/2
#отдиление 1 канала от другого (1 канал)
one=np.delete(p, 0, axis=1)
two=np.delete(p, 1, axis=1)
print u"Быстрого преобразование Фурье..."
#быстрое преобразование фурье 
on=(np.fft.rfft(one, axis=0))
tw=(np.fft.rfft(two, axis=0))
#выделяем положительную часть
print u"Выделяем положительную часть..."
#o=((on[0:tosh])*2)
#t=((tw[0:tosh])*2)
o=on
t=tw
#выделяем наибольшие из гармоник
print u"Находим максимальные гармоники..."
oarg=o.argmax(axis=0)
targ=t.argmax(axis=0)
print oarg
print targ
#выделяем максимальные гармоники (сигнал 1)
verh=abs(oarg+100)
niz=abs(oarg-100)
if oarg<100: niz=0
if verh>toshi: verh=toshi    
sig=((o[niz:verh]))
#выделяем 2ю макс гармонику (сигнал 1)
sigl=((o[0:niz]))
try: oa=sigl.argmax(axis=0)
except(ValueError): oa=0
sigld=((o[verh:tosh]))
try:oad=sigld.argmax(axis=0)
except(ValueError): oad=0
loi=oa
loid=oad
if oad>oa: oa=oad
verhl=abs(oa+100)
nizl=abs(oa-100)
if oa<100: nizl=0
if verhl>toshi: verhl=toshi 
print oa
if loid>loi:
    siglo=((sigld[nizl:verhl]))
else: siglo=((sigl[nizl:verhl]))
#выделяем максимальные гармоники (сигнал 2)
up=abs(targ+100)
down=abs(targ-100)
if targ<100: down=0
if up>toshi: up=toshi
signal=((t[down:up]))
#выделяем 2ю макс гармонику (сигнал 2)
signall=((t[up:tosh]))
try: oi=signall.argmax(axis=0)
except(ValueError): oi=0
signalld=((t[0:down]))
try: oid=signalld.argmax(axis=0)
except(ValueError): oid=0
uop=oi
uopd=oid
if oid>oi: oi=oid
upl=abs(oi+100)
downl=abs(oi-100)
if oi<100: downl=0
if upl>toshi: upl=toshi 
print oi
if uopd>uop:
    signallo=((signalld[downl:upl]))
else: signallo=((signall[downl:upl]))
#Обратное преобразование фурье
print u"Обратное проеобразование Фурье..."
q=(np.fft.irfft(sig,axis=0))
w=(np.fft.irfft(siglo,axis=0))
e=(np.fft.irfft(signal,axis=0))
r=(np.fft.irfft(signallo,axis=0))
#Огибающая
a=obspy.signal.filter.envelope(q)
s=obspy.signal.filter.envelope(w)
d=obspy.signal.filter.envelope(e)
f=obspy.signal.filter.envelope(r)
a=(a[10:(len(a)-10)])
s=(s[10:(len(s)-10)])
d=(d[10:(len(d)-10)])
f=(f[10:(len(f)-10)])
x = np.arange(0,len(a))
y = a
f = interpolate.interp1d(x, y)
#Построение графиков
pylab.figure(1)
pylab.subplot(331)
pylab.plot(p)
pylab.xlim (0, 150)
pylab.title (u"Signal")
pylab.subplot(332)
pylab.plot(one, color='green', )
pylab.xlim (0, 150)
pylab.title (u"Signal (1)")
pylab.subplot(333)
pylab.plot(o, color='green',)
pylab.title (u"Range (1)")
pylab.subplot(334)
pylab.plot(sig, color='green')
pylab.title (u"Bandwidth allocation (1.1)")
pylab.subplot(335)
pylab.plot(siglo, color='green')
pylab.title (u"Bandwidth allocation (1.2)")
pylab.subplot(336)
pylab.plot(q, color='green')
pylab.plot(a, color='red')
pylab.title (u"Inverse Fourier transform (1.1)")
pylab.subplot(337)
pylab.plot(w, color='green')
pylab.plot(s, color='red')
pylab.title (u"Inverse Fourier transform (1.2)")
pylab.subplot(338)
pylab.plot(a, color='green')
pylab.title (u"Approximation (1.1)")
pylab.subplot(339)
pylab.plot(s, color='green')
pylab.title (u"Approximation (1.2)")
pylab.figure(1).set_size_inches(24,14)
pylab.savefig('1.png')
pylab.figure(2)
pylab.subplot(331)
pylab.plot(p)
pylab.xlim (0, 150)
pylab.title (u"Signal")
pylab.subplot(332)
pylab.plot(two, color='blue', )
pylab.xlim (0, 150)
pylab.title (u"Signal (2)")
pylab.subplot(333)
pylab.plot(t, color='blue',)
pylab.title (u"Range (2)")
pylab.subplot(334)
pylab.plot(signal, color='blue')
pylab.title (u"Bandwidth allocation (2.1)")
pylab.subplot(335)
pylab.plot(signallo, color='blue')
pylab.title (u"Bandwidth allocation (2.2)")
pylab.subplot(336)
pylab.plot(e, color='blue')
pylab.plot(d, color='red')
pylab.title (u"Inverse Fourier transform (2.1)")
pylab.subplot(337)
pylab.plot(r, color='blue')
pylab.plot(f, color='red')
pylab.title (u"Inverse Fourier transform (2.2)")
pylab.subplot(338)
pylab.plot(d, color='blue')
pylab.title (u"Approximation (2.1)")
pylab.subplot(339)
pylab.plot(f, color='blue')
pylab.title (u"Approximation (2.2)")
pylab.figure(2).set_size_inches(24,14)
pylab.savefig('2.png')
pylab.show()

a=obspy.signal.filter.envelope(q)
s=obspy.signal.filter.envelope(w)
d=obspy.signal.filter.envelope(e)
f=obspy.signal.filter.envelope(r)