你好，我是Python的新手，也是声音信号分析的新手。我正在尝试获取出生歌曲（斑马雀）的包络。它有一个非常快速的信号波动，我尝试了不同的方法。例如，我试图绘制信号，并根据我找到的其他示例（我在代码上添加了注解以理解它），使用以下代码获取包络：

# Import the libraries

from pylab import *
import numpy
import scipy.signal.signaltools as sigtool
import scipy, pylab
from scipy.io import wavfile
import wave, struct
import scipy.signal as signal

# Open the txt file and read the wave file (also save it as txt file)

f_out = open('mike_1_44100_.txt', 'w')
w     = scipy.io.wavfile.read("mike_1_44100_.wav") #here your sound file

a=w[1]
f_out.write('#time #z' + '\n')

# I print to check

print 'vector w'
print w[0],w[1]
print w

i=w[1].size
p=numpy.arange(i)*0.0000226 #to properly define the time signal with    the sample rate

print 'vector p:'
print p 

x=numpy.dstack([p,a])

print 'vector x:'
print x[0]

# saving file

numpy.savetxt('mike_1_44100_.txt',x[0])

f_out.close()
print 'i:'
print i

# num is the number of samples in the resampled signal.

num= np.ceil(float(i*0.0000226)/0.0015)
print num

y_resample, x_resample = scipy.signal.resample(numpy.abs(a),num, p,axis=0, window=('gaussian',150))

# y_resample, x_resample = scipy.signal.resample(numpy.abs(a), num, p,axis=-1, window=0)

# Aplaying a filter

W1=float(5000)/(float(44100)/2) #the frequency  for the cut over the sample frequency

(b, a1) = signal.butter(4, W1, btype='lowpass')
aaa=a
slp =1* signal.filtfilt(b, a1, aaa)

# Taking the abs value of the signal the resample and finaly aplying the hilbert transform

y_resample2 =numpy.sqrt(numpy.abs(np.imag(sigtool.hilbert(slp, axis=-1)))**2+numpy.abs(np.real(sigtool.hilbert(slp, axis=-1)))**2)

print 'x sampled'

# print x_resample

print 'y sampled'

# print  y_resample

xx=x_resample #[0]
yy=y_resample #[1]

# ploting with some style

plot(p,a,label='Time Signal') #to plot amplitud vs time

# plot(p,numpy.abs(a),label='Time signal')

plot(xx,yy,label='Resampled time signal Fourier technique Gauss window 1.5 ms ', linewidth=3)

# plot(ww,label='Window', linewidth=3)

# plot(p,y_resample2,label='Hilbert transformed sime signal', linewidth=3)

grid(True)
pylab.xlabel("time [s]")
pylab.ylabel("Amplitde")

legend()
show()

这里我尝试了两种方法，第一种是使用scipy中的重采样函数来获得包络，但我对信号幅度有一些问题，我还不明白（我上传了使用傅立叶技术获得的图像，但系统不允许我上传）：
第二种方法是使用希尔伯特变换来得到包络（现在我再次上传了希尔伯特变换的图像，系统不允许我）可以运行我的代码并获得两个图像。但我会把这个链接http://ceciliajarne.web.unq.edu.ar/?page_id=92&preview=true
现在“包络”又失败了。我试着过滤信号，就像我在一些例子中看到的那样，但是我的信号被衰减了，我无法获得包络。**有人能帮助我的代码吗？或者有更好的想法来获得包络吗？**可以使用任何鸟鸣作为例子（我可以给予你我的），但我需要看看发生了什么与复杂的声音，而不是简单的信号，因为它是非常不同的（与简单的声音两种技术都可以）。
我还尝试改编我在以下代码中找到的代码：http://nipy.org/nitime/examples/mtm_baseband_power.html
但是我不能得到适合我的信号的参数，我不明白调制部分。我已经问了代码开发者，直到等待答案。