0

我正在尝试在 python 中创建一个程序，它可以从现场音频（通过麦克风）创建一个示波器

与普通示波器的不同之处在于它只会显示一个波长，例如（所需的输出）：

输出示例

这显示了三种不同的波长，以及它们将如何在程序中显示。

到目前为止我的进展：

  1. 我创建了一个程序来显示图表并清除并重绘它
  2. 然后我创建了一个程序，它将实时显示声音（虽然它很慢，如果可能的话最好修复）

代码#1：

import matplotlib.pyplot as plt
import time

plt.ion()

#y1 is the data
y1 = [0,0.309,0.587,0.809,0.951,1,0.951,0.809,0.587,0.309,0, -0.309, -0.587, -0.809, -0.951, -1, -0.951, -0.809, -0.587, -0.309, 0]

plt.plot(y1, 'r.-') #Graph with data
plt.plot([0 for _ in y1]) #Straight line at y=0

while True:
    #Update data to new data
    #y1 = new data
    plt.plot(y1, 'r.-') #Graph with data
    plt.plot([0 for _ in y1]) #Straight line at y=0
    plt.draw()
    plt.pause(0.5) #Time for one wave? Need some way to find this...
    plt.clf()

代码#2：

import pyaudio
import numpy as np
import matplotlib.pyplot as plt
import time

RATE = 44100
CHUNK = int(RATE/20) # RATE / number of updates per second

def soundplot(stream):
    t1=time.time()
    data = np.fromstring(stream.read(CHUNK),dtype=np.int16)
    plt.pause(0.1) #To draw graph!
    plt.clf()
    plt.plot(data)
    plt.draw()
    plt.axis([0,len(data),-2**16/2,2**16/2])
    print("took %.02f ms"%((time.time()-t1)*1000))

if __name__=="__main__":
    p=pyaudio.PyAudio()
    stream=p.open(format=pyaudio.paInt16,channels=1,rate=RATE,input=True,
                  frames_per_buffer=CHUNK)
    for i in range(int(20*RATE/CHUNK)): #do this for 10 seconds
        soundplot(stream)
    stream.stop_stream()
    stream.close()
    p.terminate()

编辑：为了清楚起见，我想要的结果是显示一个波长，如图所示，而不是第二个代码产生的多个波长

4

1 回答 1

1

要显示单个波长，请先及时向前扫描，直到找到非负数据点。（这将立即发生，第一个条目，代码 #1 中的数据。）

然后继续及时向前扫描，并在连续样本之间保持一个delta。最初，当曲线接近其最大值时，delta（或离散导数）将为正，然后将变为负直到达到最小值，然后再次变为正。

当遇到非负数据点且增量为正时，及时停止向前扫描。那时你有一个完整的波长。

编辑：

如果您有大量数据，则可以跳过一些前导数据样本。这里的关键是我们要找到一个具有正导数的零交叉点，然后继续前进，直到我们找到另一个具有正导数的零交叉点。所以第一个决定应该寻找一个非负数据点并坚持正增量。

在存在噪声的情况下，我们可能会更频繁地看到 delta 上的符号变化，而不是波形的周期。所以第一步可能是找到一堆样本的最小值和最大值（暗示一个范围），然后选择任意阈值，如 min + .25 * range 和 min + .75 * range，记录第一个正过零，等待对于信号超过高阈值，等待它低于低阈值（在负过零之后），然后记录下一个正过零。这给了你一个波长的估计。如果您觉得有帮助，请重复估算，并采用一些方便的汇总，例如平均值或（更好的）中位数。

有了波长估计，您就可以更好地评估一对正零交叉是否看起来“正确”或由于噪声。拒绝比您的估计更接近的配对。您可能还会发现计算平滑导数很方便，因此您不是在看到最后两个点的 delta (K=2)，而是对最后 K 个点进行平均，可能是六个点。平均功能是一个抑制高频噪声的低通滤波器。

于 2019-03-07T19:08:22.137 回答