Python声音处理入门

喜欢ヅ旅行 2022-08-18 14:16 225阅读 0赞

# Python声音处理入门 #

注：本文加入了译者的理解，并非严谨的译作，仅供参考。

--------------------

[原文Basic Sound Processing with Python][Basic Sound Processing with Python]描述了怎样在Python中通过pylab接口对声音进行基本的处理。

## 准备工作 ##

### 安装库 ###

确保库numpy、matplotlib和scipy已正确安装。

### 导入包 ###

from pylab import*
    from scipy.io import wavfile

## 读取wav文件 ##

读取wav文件  
下载文件[440\_sine.wav][440_sine.wav]，文件中加入了基频(F0)为440Hz的噪声。

sampFreq, snd = wavfile.read('440_sine.wav')

函数scipy.io.wavefile.read以int16或int32（32位wav）格式读入wav文件。16位.wav文件对应int16，32位.wav文件对应int32，不支持24位.wav。

查看wav文件类型

>>>snd.dtype
    dtype('int16')

这表示原始声压值在wav文件中一一映射到区间\[-2^15, 2^15 -1\]。我们把声压值归一化，即映射到区间\[-1, 1):

snd = snd / (2.**15)

查看wav文件的通道数和采样点数

>>> snd.shape
    (5060, 2)

表示文件包含2个通道，5060个采样点。结合采样率（sampFreq = 44110），可得信号持续时长为114ms：

>>> 5060.0 / sampFreq
    0.11473922902494331

下文我们只处理其中一个通道

s1 = snd[:, 0]

python自身不支持播放声音，假如你想在python中回放声音，参考pyalsaaudio(Linux)或PyAudio。

## 2 绘制音调图 ##

以时间(单位ms)为x轴，声压值为y轴，绘制音调图。先创建时间点数组

timeArray = arange(0, 5060.0, 1)   #[0s, 1s], 5060个点
    timeArray = timeArray / sampFreq   #[0s, 0.114s]
    timeArray = timeArray * 1000       #[0ms, 114ms]

然后绘图

plot(timeArray, s1, color='k')
    ylabel('Amplitude')
    xlabel('Time (ms)')

## 3 绘制频谱图 ##

频谱图也是一种很有用的图形表示方式。用函数fft对声音进行快速傅立叶变换（FFT），得到声音的频谱。让我们紧跟[技术文档][Link 1]的步伐，得到声音文件的功率谱：

n = len(s1)
    p = fft(s1)         #执行傅立叶变换

技术文档中指定了执行fft用到的抽样点数目，我们这里则不指定，默认使用信号n的采样点数。不采用2的指数会使计算比较慢，不过我们处理的信号持续时间之短，这点影响微不足道。

nUniquePts = ceil((n+1)/2.0)
    p = p[0:nUniquePts]
    p = abs[p]

fft变换的返回结果为复合形式，比如复数，包含幅度和相位信息。我们获取傅立叶变换的绝对值，得到频率分量的幅度信息。

p = p / float(n)    #除以采样点数，去除幅度对信号长度或采样频率的依赖
    p = p**2            #求平方得到能量
    
    #乘2（详见技术手册）
    #奇nfft排除奈奎斯特点
    if n % 2 > 0:       #fft点数为奇
    p[1:len(p)] = p[1:len(p)]*2
    else:               #fft点数为偶
    p[1:len(p)-1] = p[1:len(p)-1] * 2
    
    freqArray = arange(0, nUniquePts, 1.0) * (sampFreq / n)
    plot(freqArray/1000, 10*log10(p), color='k')
    xlabel('Freqency (kHz)')
    ylabel('Power (dB)')

绘制的频谱图如下所示。注意图中y轴是能量的对数10\*log10(p)，单位分贝；x轴是频率/1000，单位kHz。

![Python声音处理入门][Python]

为了检验计算结果是否等于信号的能量，我们计算出信号的均方根rms。广义来说，可以用rms衡量波形的幅度。如果直接对偏移量为零的正弦波求幅度的均值，它的正负部分相互抵消，结果为零。那我们先对幅度求平方，再开方（注意：开方加大了幅度极值的权重？）

rms_val = sqrt(mean(s1**2))
    rms_val
    0.0615000626299

信号的rms等于总能量的平方根，那么把fft在所有频率上的能量值相加然后求平方根，应该等于rms。

>>> sqrt(sum(p))
    0.0615000626299

--------------------

[完整代码][Link 2]

[Basic Sound Processing with Python]: http://samcarcagno.altervista.org/blog/basic-sound-processing-python/
[440_sine.wav]: http://samcarcagno.altervista.org/psych/sound_proc/440_sine.wav
[Link 1]: https://web.archive.org/web/20120615002031/http://www.mathworks.com/support/tech-notes/1700/1702.html
[Python]: /images/20220731/b00296bf589d4ab7bc68b9b4200346ab.png
[Link 2]: http://download.csdn.net/detail/shiner3089/9374405