一、基礎(chǔ)知識

PCM(pulse code modulation) ，即脈沖編碼調(diào)制，是將模擬信號轉(zhuǎn)為數(shù)字信號的一種編碼系統(tǒng)。而模數(shù)轉(zhuǎn)換主要分兩步，首先對連續(xù)的模擬信號進(jìn)行采樣，然后把采樣得到的數(shù)據(jù)轉(zhuǎn)化為數(shù)值，即量化。

設(shè)x xx為輸入信號，F(xiàn) ( x ) F(x)F(x)為量化后的信號，則F ( x ) F(x)F(x)既可以是線性的，也可以是非線性的。在audioop中，主要提供三種編碼支持，分別是a-Law，μ-Law以及ADPCM。

在中國和歐洲主要實用的編碼方式為A-Law，其表達(dá)式為：

其中A AA為壓縮系數(shù)，在G.726標(biāo)準(zhǔn)中建議87.56。

ADPCM(Adaptive Differential PCM)，即自適應(yīng)差分PCM。

由于模擬信號的連續(xù)性，一般來說相鄰時間單位的信號往往具有較高的線性度，甚至彼此相差無幾，從而可以被高效率的壓縮。然而，也存在跳躍幅度較大的信號，如果完全以緩變?yōu)樵瓌t，那么必然會丟失這部分?jǐn)?shù)據(jù)。為了均衡這種差異，就需要進(jìn)行自適應(yīng)量化。

audioop中支持的Intel/DVI ADPCM算法可以在網(wǎng)上找到，但是信息并不多而且都很老舊，貌似不太重要的樣子，甚至知網(wǎng)都搜不到，所以這里就不詳細(xì)解讀了。

二、轉(zhuǎn)換函數(shù)

audioop提供了ADPCM、A-Law和μ-Law和線性采樣之間的轉(zhuǎn)換函數(shù)

其中，與A-Law和μ-Law有關(guān)的轉(zhuǎn)換函數(shù)的輸入?yún)?shù)為(fragment, width)，分別代表待處理片段和位寬；adpcm則會多一個state元組作為第三個參數(shù)，表示編碼器狀態(tài)。

lin2lin是將線性片段在1、2、3 和 4 字節(jié)格式之間轉(zhuǎn)換的函數(shù)，其輸入?yún)?shù)為(fragment, width, newwidth)。

下面新建一些數(shù)據(jù)來測試一下編碼轉(zhuǎn)換函數(shù)，

#下面代碼來自于test_audioop.py
import audioop
import sys
import unittest

pack = lambda width, data :b''.join(
? ? v.to_bytes(width, sys.byteorder, signed=True) for v in data)

packs = {w: (lambda *data, width=w: pack(width, data)) for w in (1, 2, 3, 4)}

unpack = lambda width, data: [int.from_bytes(
? ? data[i: i + width], sys.byteorder, signed=True)
? ? for i in range(0, len(data), width)]

datas = {
? ? 1: b'\x00\x12\x45\xbb\x7f\x80\xff',
? ? 2: packs[2](0, 0x1234, 0x4567, -0x4567, 0x7fff, -0x8000, -1),
? ? 3: packs[3](0, 0x123456, 0x456789, -0x456789, 0x7fffff, -0x800000, -1),
? ? 4: packs[4](0, 0x12345678, 0x456789ab, -0x456789ab,
? ? ? ? ? ? ? ? 0x7fffffff, -0x80000000, -1),
}

則datas的值為：

>>> for key in datas : print(datas[key])
...
b'\x00\x12E\xbb\x7f\x80\xff'
b'\x00\x004\x12gE\x99\xba\xff\x7f\x00\x80\xff\xff'
b'\x00\x00\x00V4\x12\x89gEw\x98\xba\xff\xff\x7f\x00\x00\x80\xff\xff\xff'
b'\x00\x00\x00\x00xV4\x12\xab\x89gEUv\x98\xba\xff\xff\xff\x7f\x00\x00\x00\x80\xff\xff\xff\xff'
>

則其轉(zhuǎn)換函數(shù)測試如下：

>>> datas[1]
b'\x00\x12E\xbb\x7f\x80\xff'        #將要處理的1位線性碼
>>> unpack(1,datas[1])
[0, 18, 69, -69, 127, -128, -1]     #轉(zhuǎn)為整型
# 將1字節(jié)線性碼轉(zhuǎn)為2字節(jié)線性碼
>>> datas1_2 = audioop.lin2lin(datas[1], 1, 2)
>>> print(datas1_2)
b'\x00\x00\x00\x12\x00E\x00\xbb\x00\x7f\x00\x80\x00\xff'
>>> unpack(2,datas1_2)    #轉(zhuǎn)為整型，其值為datas[1]*256
[0, 4608, 17664, -17664, 32512, -32768, -256]
# 將1字節(jié)線性碼轉(zhuǎn)為1字節(jié)u-Law碼
>>> datas1_u = audioop.lin2ulaw(datas[1], 1)
>>> unpack(1,datas1_u)   #轉(zhuǎn)為整型，這個數(shù)和u-law的公式對不上，可能是其他算法
[-1, -83, -114, 14, -128, 0, 103]

三、片段特征函數(shù)

下表中函數(shù)的輸入為(fragment, width)，分別代表待統(tǒng)計片段和位寬。

getsample(fragment, width, index)，顧名思義用于采樣，返回段中采樣值索引index的值。

findfactor(fragment, reference)，返回一個系數(shù)F使得rms(add(fragment, mul(reference, -F)))最小，即返回的系數(shù)乘以reference后與fragment最匹配。兩個片段都應(yīng)包含 2 字節(jié)寬的采樣。

findfit(fragment, reference)，盡可能嘗試讓 reference 匹配 fragment 的一部分。

findmax(fragment, length)，在fragment中搜索所有長度為length的采樣切片中，能量最大的那一個切片，即返回 i 使得 rms(fragment[i*2:(i+length)*2]) 最大。

四、片段操作

其返回值均為片段，下表的參數(shù)中，f表示fragment，w表示width，L表示lfactor，R表示rfactor

audioop.ratecv(f, w, nchannels, inrate, outrate, state[, weightA[, weightB]])

可用于轉(zhuǎn)換輸入片段的幀速率，其中

• state為元組，表示轉(zhuǎn)換器狀態(tài)
• weightA和weightB是簡單數(shù)字濾波器的參數(shù)，默認(rèn)為 1 和 0。

到此這篇關(guān)于如何利用python處理原始音頻數(shù)據(jù)的文章就介紹到這了,更多相關(guān)利用python處理原始音頻數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論