【基于pyAudioKits的Python音频信号处理项目（一）】实现音频频谱分析仪并进行交互式滤波器设计

pyAudioKits是基于librosa和其他库的强大Python音频工作流支持。

API速查手册

通过pip安装：

pip install pyAudioKits

pyAudioKits的GitHub地址，如果这个项目帮助到了你，请为它点上一颗star，谢谢你的支持！如果你在使用过程中有任何问题，请在评论区留言或在GitHub上提issue，我将持续对该项目进行维护。

在进行音频信号有关研究时，我们常常需要用到语谱图的分析。同时，我们也需要进行降噪或者有用的频率成分的提取。

常规情况下，为了实现降噪或者有用的频率成分的提取，我们会将整个音频信号通过一个时不变滤波器。如果噪声是平稳信号，该方法可以有效滤除噪声。然而实际情况下，噪声往往是非平稳的，这就意味着我们需要在不同时间点上使用参数不同的滤波器，即使用一个时变滤波器。

短时傅里叶变换可以用于生成音频信号的语谱图，语谱图上包含了信号随时间变化的频率成分信息，因此我们完全可以将时变滤波器的设置和语谱图的分析进行结合。

Filter-Artist基于pyAudioKits开发，实现了一个STFT语谱图定位滤波分析系统，这个系统旨在对音频信号进行短时傅里叶变换。而且，为了更好地对语谱图进行分析，我们让用户可以借助GUI，使用鼠标，在特定时间的特定频点设置巴特沃斯滤波器，交互性地提取自己感兴趣的信号成分、屏蔽噪声，观察滤波后的波形并实时播放滤波后的音频。

该项目的GitHub地址。如果它对你有用，请为它点上一颗star，谢谢！

运行环境：

Python ≥ 3.8.3

依赖：

pyAudioKits ≥ 1.0.6

PyQt5 ≥ 5.15.4

numpy ≥ 1.22.4

opencv-python ≥ 4.5.2.52

在命令行输入：
```
python main.py
```
以执行main.py，得到窗口如下图所示。
点按Load按钮，并读取预置的录音文件rec2_01.wav。

此时显示了rec2_01.wav的语谱图。
可以选用多种窗型来显示语谱图。默认展示的是矩形窗的结果：

使用汉明窗：
可以设置巴特沃斯滤波器的阶数和通带/阻带宽度。
不勾选Erase Mode的情况下，设置的是带通滤波器。在语谱图上点按鼠标并拖动，则鼠标初始位置决定滤波器设置的起始时间和中心频率，鼠标释放位置决定滤波器设置的结束时间。设置一个宽度较大的高频通带以提取蜂鸣器音。
勾选Erase Mode的情况下，设置的是带阻滤波器。在语谱图上点按鼠标并拖动，则鼠标初始位置决定滤波器设置的起始时间和中心频率，鼠标释放位置决定滤波器设置的结束时间。设置三个宽度较小的阻带以消除蜂鸣器音。
点击play按钮播放音频。
点击Save按钮对音频进行保存。
点击Redo按钮重置对音频的编辑。

核心代码：

核心代码位于audio.py文件内

from pyAudioKits.audio import read_Audio
from pyAudioKits.analyse import FFT
from pyAudioKits.filters import lowPassButterN, highPassButterN, bandPassButterN, bandStopButterN
import matplotlib.pyplot as plt
import numpy as npclass myspectrogram:def __init__(self,direction,window):self.__wav = read_Audio(direction)   #利用pyAudioKits的api读取音频self.__M=0.03    #设置窗长为0.03sself.__R=0.015  #设置步长为0.015sif window=="Hamming":self.__Window = "hamming"elif window=="Rectangle":self.__Window = Nonedef __stft(self):self.__freq = FFT(self.__wav.framing(self.__M, 1 - self.__R/self.__M, self.__Window))  #利用pyAudioKits的api进行短时傅里叶变换def save(self,direction):self.__wav.save(direction)  #利用pyAudioKits的api保存音频def play(self):self.__wav.sound() #利用pyAudioKits的api播放音频def drawFreq(self):self.__stft()#创建子图，并取消横纵坐标plt.figure(figsize=(8,2))plt.axis('off')plt.gca().xaxis.set_major_locator(plt.NullLocator())plt.gca().yaxis.set_major_locator(plt.NullLocator())plt.subplots_adjust(top = 1, bottom = 0, right = 1, left = 0, hspace = 0, wspace = 0)plt.margins(0,0)self.__freq.plot(ax=plt.gca(),cbar=False,freq_scale="mel",plot_type="dB")   #将子图传入pyAudioKits的频谱绘制apiplt.savefig("tmp.png")   #保存子图，后续通过PyQt读取并显示def filtering(self,n,sizeFreq,erase,xposeStart,yposeStart,xposeEnd,yposeEnd):def freq_transform(freq):    #将鼠标在频谱上点击的y轴位置，即一个[0,1]之间的数，映射到梅尔尺度频率sr = self.__wav.srlength = int(self.__M  * sr / 2)max_freq_point = int(sr / 2)max_freq = sr / 2freq_points = 700 * (np.power(10, np.linspace(0, 2595 * np.log10(1 + max_freq/700), length)/2595) - 1)freq_point = freq_points[int(length * freq)]freqs = np.linspace(0,max_freq,max_freq_point)return freqs[int(freq_point)]#将鼠标在频谱上点击的x轴位置，即一个[0,1]之间的数，映射到音频时间，后续用于音频切片xsize=self.__R * self.__freq.shape[0]xposeStart=xsize*xposeStartxposeEnd=xsize*xposeEndyposeNow=float(yposeStart)width=float(sizeFreq)/200   #将滤波器宽度映射到[0,1]的尺度上#计算滤波器的两个截止频率low=yposeNow-widthhigh=yposeNow+width#获取滤波器并进行滤波if erase:if low>0 and high<1:filt = lambda x: bandStopButterN(x, n, freq_transform(low), freq_transform(high))if low<=0:filt = lambda x: highPassButterN(x, n, freq_transform(high))if high>=1:filt = lambda x: lowPassButterN(x, n, freq_transform(low))else:if low>0 and high<1:filt = lambda x: bandPassButterN(x, n, freq_transform(low), freq_transform(high))if low<=0:filt = lambda x: lowPassButterN(x, n, freq_transform(high))if high>=1:filt = lambda x: highPassButterN(x, n, freq_transform(low))if xposeStart<xposeEnd:self.__wav[xposeStart:xposeEnd]=filt(self.__wav[xposeStart:xposeEnd])if xposeEnd<xposeStart:self.__wav[xposeEnd:xposeStart]=filt(self.__wav[xposeEnd:xposeStart])

【基于pyAudioKits的Python音频信号处理项目（一）】实现音频频谱分析仪并进行交互式滤波器设计相关推荐

【基于pyAudioKits的Python音频信号处理（一）】pyAudioKits安装与API速查手册
文章目录 pyAudioKits 基本用法创建或加载音频来自NumPy数组来自文件录音模拟 Audio对象播放绘制转为NumPy数组获取属性保存索引和切片连接合成四则运算 ...
pyaudio：基于pyaudio利用Python编程从电脑端录制音频保存到指定文件夹+将录音上传服务器+录音进行识别并转为文本保存
pyaudio:基于pyaudio利用Python编程从电脑端录制音频保存到指定文件夹+将录音上传服务器+录音进行识别并转为文本保存目录输出结果代码实现输出结果代码实现 # -*- codi ...
matlab音频信号处理实验报告,matlab音频信号处理实验报告.docx
matlab音频信号处理实验报告 MATLAB音频信号处理实验南昌航空大学信息工程学院课程实验报告实验名称:实验时间:2014年4月23日指导教师: 班级: 学号: 姓名: 成绩: 南昌航空大 ...
【基于pyAudioKits的Python音频信号处理（七）】端点检测和语音识别
pyAudioKits是基于librosa和其他库的强大Python音频工作流支持. API速查手册通过pip安装: pip install pyAudioKits 本项目的GitHub地址,如果这 ...
Python之音频信号处理（一）音频基础知识
一.音频基础知识 1.声音的三要素 (1)音调人耳对声音高低的感觉称为音调(也叫音频).音调主要与声波的频率有关.声波的频率高,则音调也高.一般音频儿童>女生>男生. 人耳听觉音频范围 ...
python实时采集与处理声音信号_Python之音频信号处理（一）音频基础知识
一.音频基础知识 1.声音的三要素 (1)音调人耳对声音高低的感觉称为音调(也叫音频).音调主要与声波的频率有关.声波的频率高,则音调也高.一般音频儿童>女生>男生. 人耳听觉音频范围 ...
【基于pyAudioKits的Python音频信号处理项目（二）】深度学习语音识别
pyAudioKits是基于librosa和其他库的强大Python音频工作流支持. API速查手册通过pip安装: pip install pyAudioKits 本项目的GitHub地址,如果这 ...
FPGA数字信号处理（20）单级半带(HB)滤波器设计
本篇是FPGA数字信号处理的第20篇,前面介绍了多速率信号处理系统中用到的多速率FIR滤波器.CIC滤波器,本文将介绍另一种常用的半带滤波器(Half-Band Filter)的相关知识及设计方法.本 ...
数字信号处理——线性相位型（Ⅰ、Ⅲ型）FIR滤波器设计（1）
目录引言设计说明 1.线性相位型FIR滤波器简介 2.线性相位型FIR滤波器的结构
基于MATLAB有噪声语音信号处理算法设计
获取项目源文件,联系Q:1415736481,可指导毕设,课设摘要滤波器设计在数字信号处理中占有极其重要的地位,FIR数字滤波器和IIR滤波器是滤波器设计的重要组成部分.利用MATLAB信号处理工 ...

【基于pyAudioKits的Python音频信号处理项目（一）】实现音频频谱分析仪并进行交互式滤波器设计

【基于pyAudioKits的Python音频信号处理项目（一）】实现音频频谱分析仪并进行交互式滤波器设计相关推荐

最新文章

热门文章