python+音频数字信号处理

一、在网上下载了一个wav文件，周杰伦的《告白气球》

网址：https://www.xmwav.com/

 二、一些参数说明

针对一个音频信号：

2.1、通道数

是在采集声音时用几个通道去录制声音，单声道和双声道的音频文件较为常见。例如在声源的不同位置放置通道去录制，则可以获得多通道的音频数据。

以双通道(左右声道)的音频举例，数据存储格式为：【左1右1-左2右2-左3右3-左4右4-左5右5-左6右6...】

2.2、采样位数

将采样值振幅量化成已知的振幅，常见的量化位数有8位【1字节】、16位【2字节】、32位【4字节】

其中8位可以存储256个振幅值，16位可以存储65536个振幅值，32位可以存储4294967296个振幅值

采样位数又叫做量化位数、位深度、分辨率，即每个表示振幅值的位数长度

2.3、采样率

每秒钟内采集的样本个数，每个通道分别同时采集，音频处理常见的有11025Hz、22050Hz、24000Hz、44100Hz、48000Hz

2.4、帧数

样本个数，一般是单个通道的采样个数，假设某段音频的帧数为100，即采样了100次，如果是双通道，则分别采样100次，而总共采样了200个振幅数据【每个通道100个振幅数据】

以16PCM、双通道为例，存储格式为【左1低字节左1高字节右1低字节右1高字节-左2低字节左2高字节右2低字节右2高字节...】

三、python代码实现wav文件处理

import wave  
import numpy as np
import pylab as plt 

#打开wav文件 ，open返回一个的是一个Wave_read类的实例，通过调用它的方法读取WAV文件的格式和数据。
f = wave.open(r"C:\Users\jude\Desktop\jay.wav","rb")
#读取格式信息  
#一次性返回所有的WAV文件的格式信息，它返回的是一个组元(tuple)：声道数, 量化位数（byte单位）, 采  
#样频率, 采样点数, 压缩类型, 压缩类型的描述。wave模块只支持非压缩的数据，因此可以忽略最后两个信息
params = f.getparams()  
print(params)
# _wave_params(nchannels=2, sampwidth=2, framerate=44100, nframes=9507502, comptype='NONE', compname='not compressed')
nchannels, sampwidth, framerate, nframes = params[:4]

#读取波形数据  
#读取声音数据，传递一个参数指定需要读取的长度（以取样点为单位）  
# nframes = 10000
str_data  = f.readframes(nframes)  
# print(str_data)
f.close()
#将波形数据转换成数组
#需要根据声道数和量化单位，将读取的二进制数据转换为一个可以计算的数组  
wave_data = np.fromstring(str_data,dtype = np.short)#将wave_data数组改为2列，行数自动匹配。在修改shape的属性时，需使得数组的总长度不变。
print(wave_data.shape)
wave_data.shape = -1,2#转置数据
wave_data = wave_data.T#通过取样点数和取样频率计算出每个取样的时间。
time=np.arange(0,nframes)/framerate
#print(params)  
plt.figure(1) 
plt.subplot(2,1,1)  
#time 也是一个数组，与wave_data[0]或wave_data[1]配对形成系列点坐标
plt.plot(time,wave_data[0])  
plt.subplot(2,1,2)  
plt.plot(time,wave_data[1],c="r")  
plt.xlabel("time")  
plt.show() 

绘图结果：

 四、代码分析

4.1、读取wav文件

import wave  
import numpy as np
import pylab as plt 

f = wave.open(r"C:\Users\jude\Desktop\jay.wav","rb")

4.2、获取文件格式信息

params = f.getparams()  
print(params)
nchannels, sampwidth, framerate, nframes = params[:4]

结果：_wave_params(nchannels=2, sampwidth=2, framerate=44100, nframes=9507502, comptype='NONE', compname='not compressed')

即通道数为2，位深度为2字节，采样率为44100Hz，帧数为9507502【一个通道9507502，两个通道需要乘2=19015004】

4.3、读取帧数据并且按照short进行存储

str_data  = f.readframes(nframes)  
print(str_data)
f.close()
#将波形数据转换成数组
#需要根据声道数和量化单位，将读取的二进制数据转换为一个可以计算的数组  
wave_data = np.fromstring(str_data,dtype = np.short)
#将wave_data数组改为2列，行数自动匹配。在修改shape的属性时，需使得数组的总长度不变。
print(wave_data.shape)

默认读取返回的是字符串：

 将这个字符串转为short数组，数组大小为：

 4.4、转为双通道数组

wave_data.shape = -1,2
#转置数据
wave_data = wave_data.T
#通过取样点数和取样频率计算出每个取样的时间。

将19015004行、1列的一维数组转为9507502行、2列的二维数据，第一列为1通道，第二列为2通道

4.5、获取这段音频的时长并绘图

time=np.arange(0,nframes)/framerate
#print(params)  
plt.figure(1) 
plt.subplot(2,1,1)  
#time 也是一个数组，与wave_data[0]或wave_data[1]配对形成系列点坐标
plt.plot(time,wave_data[0])  
plt.subplot(2,1,2)  
plt.plot(time,wave_data[1],c="r")  
plt.xlabel("time")  
plt.show() 

帧数=采样率*时间