快速和非常慢 scipy.signal.resample 具有相同的输入大小

Question

根据scipy.signal.resample的文档，速度应该根据输入的长度而变化:

As noted, resample uses FFT transformations, which can be very slow if the number of input samples is large and prime, see scipy.fftpack.fft.

但我有非常不同的时间（因子 x14）具有相同的输入，并且所需的输出大小只有很小的变化：

import numpy as np, time
from scipy.signal import resample

x = np.random.rand(262144, 2)
y = np.random.rand(262144, 2)

t0 = time.time()
resample(x, 233543, axis=0)
print time.time() - t0          # 2.9 seconds here

t0 = time.time()
resample(y, 220435, axis=0)
print time.time() - t0          # 40.9 seconds here!

问题：我可以对输入进行零填充以获得 2 的幂（像往常一样加速 FFT 计算），但是由于我的重采样因子是固定的，我不能同时拥有两者输入大小的 2 次方和所需输出大小的 2 次方.

如何加速scipy.signal.resample?

如果不可能，并且如果 scipy.signal.resample 的性能可以变化 如此之多 并且有很大的因素，那么它真的不适合实际使用。那么它对什么应用有用呢？

注意：我的目标是音频重采样（重调等）

编辑：最好的解决办法终于是.

Answer 1

文档字符串陈述了故事的一部分，有点误导。重采样过程包括 FFT（输入大小）、零填充和逆 FFT（输出大小）。因此，不方便的输出大小会像不方便的输入大小一样减慢速度。

Cris Luengo 建议在空间域中使用直接插值，这里应该更快。比如ndimage.zoom就用它（默认三次样条插值）：

from scipy.ndimage import zoom
t0 = time.time()
zoom(y, (220435./262144., 1))   # maybe with prefilter=False ? up to you
print(time.time() - t0)         # about 200 times faster than resample

与 resample 的输出不同（毕竟是不同的方法），但对于平滑数据（与此处使用的随机输入不同）它们应该接近。

Answer 2

The resampling process consists of FFT (input size), zero-padding, and inverse FFT (output size). So an inconvenient output size will slow it down just as much as an inconvenient input size will.

只是补充一点，这只是上采样的情况。下采样的过程是：FFT -> multiply -> iFFT -> downsample。所以在下采样中，FFT/iFFT 与输出大小无关，仅与输入大小有关。

快速和非常慢 scipy.signal.resample 具有相同的输入大小

Both fast and very slow scipy.signal.resample with the same input size

python

numpy

fft

scipy

resampling