python音頻處理用到的操作
作者:桂。
時間:2017-05-03 12:18:46
鏈接:http://www.cnblogs.com/xingshansi/p/6799994.html
前言
本文主要記錄python下音頻常用的操作,以.wav格式文件爲例。其實網上有很多現成的音頻工具包,如果僅僅調用,工具包是更方便的。
更多pyton下的操作可以參考: 用python做科學計算
1、批量讀取.wav文件名:
1 2 3 4 5 6 |
|
這裏用到字符串路徑:
1.通常意義字符串(str) 2.原始字符串,以大寫R 或 小寫r開始,r'',不對特殊字符進行轉義 3.Unicode字符串,u'' basestring子類
如:
1 2 3 |
|
三者等價,右劃線\爲轉義字符,引號前加r表示原始字符串,而不轉義(r:raw string).
常用獲取幫助的方式:
>>> help(str) >>> dir(str) >>> help(str.replace)
2、讀取.wav文件
wave.open 用法:
1 |
|
mode可以是:
‘rb’,讀取文件;
‘wb’,寫入文件;
不支持同時讀/寫操作。
Wave_read.getparams用法:
1 2 3 |
|
其中最後一行爲常用的音頻參數:
nchannels:聲道數
sampwidth:量化位數(byte)
framerate:採樣頻率
nframes:採樣點數
- 單通道
對應code:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
|
結果圖:
- 多通道
這裏通道數爲3,主要藉助np.reshape一下,其他同單通道處理完全一致,對應code:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 |
|
效果圖:
單通道爲多通道的特例,所以多通道的讀取方式對任意通道wav文件都適用。需要注意的是,waveData在reshape之後,與之前的數據結構是不同的。即waveData[0]等價於reshape之前的waveData,但不影響繪圖分析,只是在分析頻譜時纔有必要考慮這一點。
3、wav寫入
涉及到的主要指令有三個:
- 參數設置:
1 2 3 4 5 6 7 8 9 |
|
- 待寫入wav文件的存儲路徑及文件名:
1 2 |
|
- 數據的寫入:
1 2 |
|
單通道數據寫入:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 |
|
多通道數據寫入:
多通道的寫入與多通道讀取類似,多通道讀取是將一維數據reshape爲二維,多通道的寫入是將二維的數據reshape爲一維,其實就是一個逆向的過程:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 |
|
這裏用到struct.pack(.)二進制的轉化:
例如:
4、音頻播放
wav文件的播放需要用到pyaudio,安裝包點擊這裏。我將它放在\Scripts文件夾下,cmd並切換到對應目錄
1 |
|
pyaudio安裝完成。
- Pyaudio主要用法:
主要列出pyaudio對象的open()方法的參數:
-
- rate:採樣率
- channels:聲道數
- format:採樣值的量化格式,值可以爲paFloat32、paInt32、paInt24、paInt16、paInt8等。下面的例子中,使用get_from_width()將值爲2的sampwidth轉換爲paInt16.
- input:輸入流標誌,Ture表示開始輸入流
- output:輸出流標誌
給出對應code:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 |
|
因爲是python3.5,判斷語句if data == b'': break 的b不能缺少。
5、信號加窗
通常對信號截斷、分幀需要加窗,因爲截斷都有頻域能量泄露,而窗函數可以減少截斷帶來的影響。
窗函數在scipy.signal信號處理工具箱中,如hamming窗:
1 2 |
|
利用上面的函數,繪製hanning窗:
1 2 3 4 |
|
6、信號分幀
信號分幀的理論依據,其中x是語音信號,w是窗函數:
加窗截斷類似採樣,爲了保證相鄰幀不至於差別過大,通常幀與幀之間有幀移,其實就是插值平滑的作用。
給出示意圖:
這裏主要用到numpy工具包,涉及的指令有:
- np.repeat:主要是直接重複
- np.tile:主要是週期性重複
對比一下:
向量情況:
矩陣情況:
對於數據:
repeat操作:
tile操作:
對應結果:
對應分幀的代碼實現:
這是沒有加窗的示例:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 |
|
如果需要加窗,只需要將函數修改爲:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
|
其中窗函數,以hamming窗爲例:
1 2 |
|
調用即可。
7、語譜圖
其實得到了分幀信號,頻域變換取幅值,就可以得到語譜圖,如果僅僅是觀察,matplotlib.pyplot有specgram指令:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
|