快速和非常慢的scipy.signal.resample具有相同的输入大小

Question

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

如上所述，resample使用FFT转换，如果输入样本的数量很大且为prime，则转换速度非常慢，请参阅scipy.fftpack.fft。

但是我的时序（因子x14）具有相同的输入，并且只有很小的所需输出大小变化：

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（以便像往常一样加速FFT计算），但是由于我的重采样因子是固定的，因此输入大小不能同时具有2的幂和所需输出尺寸的功率为2。

如何加快scipy.signal.resample？

如果不可能，并且如果scipy.signal.resample的性能因大的因素而变化很大，那么它对于实际使用来说真的不方便。然后哪个应用程序有用？

注意：我的目标是音频重新采样（重新编辑等）

编辑：最好的解决方案是to use this。

Answer 1

有点误导性的文档说明了故事的一部分。重采样过程包括FFT（输入大小），零填充和反向FFT（输出大小）。因此，不方便的输出尺寸会减慢它的速度，就像输入尺寸不方便一样。

Cris Luengo建议在空间域中使用直接插值，这应该更快。例如，ndimage.zoom使用它（默认为三次样条插值）：

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不同的输出（毕竟是一种不同的方法），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

重采样过程包括FFT（输入大小），零填充和反向FFT（输出大小）。因此，不方便的输出尺寸会减慢它的速度，就像输入尺寸不方便一样。

只是补充说，这只是上采样的情况。对于下采样的过程是：FFT - >乘法 - > iFFT - >下采样。因此在下采样中，FFT / iFFT与输出大小无关，只与输入大小有关。