python - 对音频信号进行卷积

Question

我正在尝试编写一个用于教育目的的音频指纹库。它基于Computer Vision for Music Identification 。我有几个与本文内容相关的问题。

1. 我知道两个字节代表一个样本，所以我编写了这个类来从 pcm 文件中提取样本。我想知道这是否正确(抱歉，如果它太明显了:))。

   class FingerPrint:
   
      def __init__(self, pcmFile):
         self.pcmFile = pcmFile
         self.samples = []
         self.init()
   
   
      def init(self):
         # Current samples
         currentSamples = []
   
         # Read pcm file
         with open(self.pcmFile, 'rb') as f:
            byte = f.read(2)
            while byte != '':
              self.samples.append(byte)
              byte = f.read(2)
   
   fp = FingerPrint('output.pcm')
   

2. 如果上面的代码没问题，那么根据书，接下来要做的就是用低通滤波器对信号进行卷积，并每隔 8 个样本进行一次采样。我不明白这些以及为什么必须这样做，如果有人能帮助我理解(如果可能的话用代码)那就太棒了

Answer 1

读取两个字节后，需要将其转换为int。您可以使用结构模块。

但我认为你应该使用 NumPy、SciPy:

要读取wave文件，可以调用scipy.io.wavfile.read()

http://docs.scipy.org/doc/scipy-0.10.0/reference/tutorial/io.html#module-scipy.io.wavfile

如果你的文件是原始PCM数据，你可以调用numpy.fromfile()

http://docs.scipy.org/doc/numpy/reference/generated/numpy.fromfile.html

例如:

data = numpy.fromfile("test.pcm", dtype=np.int16)

要设计低通滤波器，您可以使用 scipy.signal 中的滤波器设计函数:

http://docs.scipy.org/doc/scipy-0.10.1/reference/signal.html#filter-design

要进行卷积，您可以使用 scipy.signal 中的卷积函数:

http://docs.scipy.org/doc/scipy-0.10.1/reference/signal.html#convolution

numpy中还有一个卷积函数:

http://docs.scipy.org/doc/numpy/reference/generated/numpy.convolve.html