WAV格式音频学习

发表于 | 分类于 |

以前的整理的一篇文章。

周末没事，在家用pyaudio捣鼓了一下wav的读入，播放，与频谱分析。

正常人听觉的频率范围大约在20Hz~20kHz之间。为了保证声音不失真，采样频率应该在40kHz左右。常用的音频采样频率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，如果采用更高的采样频率，还可以达到DVD的音质。

先上两个链接：

比特率：https://baike.baidu.com/item/%E6%AF%94%E7%89%B9%E7%8E%87/1022775?fr=aladdin

PCM编码：https://baike.baidu.com/item/pcm%E7%BC%96%E7%A0%81/10865033?fr=aladdin

摘一些出来学习：

音频 800 bps – 能够分辨的语音所需最低码率（需使用专用的FS-1015语音编解码器） 8 kbps —电话质量（使用语音编码） 8-500 kbps –Ogg Vorbis和MPEG1 Player1/2/3中使用的有损音频模式 500 kbps–1.4 Mbps —44.1KHz的无损音频，解码器为FLAC Audio,WavPack或Monkey’s Audio 1411.2 - 2822.4 Kbps —脉冲编码调制(PCM)声音格式CD光碟的数字音频 5644.8 kbps —SACD使用的Direct Stream Digital格式

码率计算公式:
基本的算法是：【码率】（kbps)=【文件大小】（字节）X8/【时间】（秒）*1000
音频文件专用算法：【比特率】（kbps)=【量化采样点】（kHz）×【位深】（bit/采样点）×【声道数量】（一般为2）

结论：

1.一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，

比特率= 44.1K×16×2 =1411.2 Kbps。

我们常见的Audio CD就采用了PCM编码，一张光盘的容量只能容纳72分钟的音乐信息，而常见的wav歌曲大部分是PCM格式的。

2.数据了计算：我找了首刘惜君-我很快乐

数据量=（采样频率×采样位数bit×声道数×时间）/8=[44.1×1000×16×2×（3×60+33）] /（8×1024×1024） =37573200B约35.83MB

算出来的大小与歌曲也一样，大小：35.8 MB (37,643,974 字节)；占用空间：35.9 MB (37,650,432 字节)

3.一帧PCM是：2048次采样组成的（网上搜到的），但是我自己用数据算了下，感觉不对，先写下面，有懂的帮指导一下：

采样率framerate：44100Hz
帧数nframes:9410940
时长time:213s

数据量：37573200Byte

帧数nframes/时长time=9410940/213=44182帧/秒，约等与采样率，怎么回事，我算错了么。。。汗

如果按2048次计算，一帧时间播放时间 = 2048 * 1000000/44100= 46.4ms，一帧的解码时间须控制在46.4ms内。

4.PCM格式

PCM(Pulse Code Modulation)也被称为 脉码编码调制。PCM中的声音数据没有被压缩，如果是单声道的文件，采样数据按时间的先后顺序依次存入。(它的基本组织单位是BYTE(8bit)或WORD(16bit))

20160818100151414

样本大小 数据格式 最小值 最大值

8位PCM unsigned int 0 225

16位PCM int -32767 32767

4.文件格式

20180325182321778

5.代码 

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
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
import wave  
import numpy as np  
from pyaudio import PyAudio  
import pylab  
import matplotlib.pyplot as plt  
#定义数据流块  
chunk = 2048  
#只读方式打开wav文件  
f = wave.open("that.wav","rb")  
#创建PyAudio对象:  
p = PyAudio()  
#打开数据流  
stream = p.open(format = p.get_format_from_width(f.getsampwidth()),  
channels = f.getnchannels(),  
rate = f.getframerate(),  
output = True)  
#读取数据  
# _wave_params(nchannels=2, sampwidth=2, framerate=44100, nframes=9410940, comptype='NONE', compname='not compressed')  
#(声道数，采样精度，采样率，帧数，......)  
params = f.getparams()  
print(params)  
nchannels,sampwidth,framerate,nframes = params[0],params[1],params[2],params[3]  
#读取完整的帧数据到datawav中，这是一个string类型的数据  
datawav = f.readframes(nframes)  
#将f关掉  
f.close()  
# with open("t.txt","w") as ftxt:  
#  
#     ftxt.writelines(str(datawav[:10000]))  
#  
# ftxt.close()  
#将波形数据转换为数组  
# A new 1-D array initialized from raw binary or text data in a string.  
datause = np.fromstring(datawav, dtype=np.short)  
#将wave_data数组改为2列，行数自动匹配。在修改shape的属性时，需使得数组的总长度不变。  
datause.shape = -1, 2  
#将数组转置，分别得到两个声道的序列  
datause = datause.T  
#time 得到每帧的绝对时间，也是一个数组，datause[0]datause[1]配对形成系列点坐标  
#音频帧的播放时长 = 一个帧对应的采样点个数 / 采样频率(单位为s)  
# 则，当前一帧的播放时间 = 2048* 1000000/44100= 46.4ms  
time = np.arange(0, nframes) * (1.0/framerate) ##* chunk  
  
#采样点数，修改采样点数和起始位置进行不同位置和长度的音频波形分析  
#根据采样定理知采样频率要大于信号频率2倍，所以这里设置采样频率为44100赫兹  
N = 44100       #每秒采样次数  
start = 100 * N #开始采样位置  
nsamp = 10 * N  #采样区间时间长度  
wavedata = datause[0][start:start+nsamp]  
x=np.linspace(0,1,nsamp)  
yy = np.fft.fft(wavedata)  
yf = abs(yy)      #取绝对值  
yf1 = yf/nsamp    #归一化处理  
yf2 = yf1[range(int(nsamp//2))]  #由于对称性，只取一半区间  
fre = np.arange(len(yy))  
fre2 = fre[range(int(len(x)//2))]  #取一半区间  
##Original wave  
plt.subplot(221)  
plt.plot(x[0:nsamp//50],wavedata[0:nsamp//50])  
plt.title('Original wave')  
##绘制频谱图  
plt.subplot(222)  
plt.plot(fre,yf,'r')  
plt.title('FFT of Mixed wave(two sides frequency range)',fontsize=7,color='#7A378B')  
#归一化  
plt.subplot(223)  
plt.plot(fre,yf1,'g')  
plt.title('FFT of Mixed wave(normalization)',fontsize=9,color='r')  
#一半  
plt.subplot(224)  
plt.plot(fre2,yf2,'b')  
plt.title('FFT of Mixed wave',fontsize=10,color='#F08080')  
plt.show()  
stream.write(datawav[4*start:4*start+4*nsamp])##length datawav 37643760;length datause 18821880;length wavedata 441000  
##注意，四个字节为一个采样点  
  
# plt.title("Night.wav's Frames")  
# plt.subplot(211)  
# plt.plot(time, datause[0],color = 'green')  
# plt.subplot(212)  
# plt.plot(time, datause[1])  
# plt.show()  
  
#播放  
# while True:  
#     data = f.readframes(chunk)  
#     stream.write(data)  
#     print(data)  
#     if data == b'':  
#         break  
  
#停止数据流  
stream.stop_stream()  
stream.close()  
#关闭 PyAudio  
p.terminate()

我最后验证了时间ok，start相当于从100s开始播放了10s，上面输出的与直接用播放器放出来是同一段 。

6.频谱分析图

20180325212300562

7.歌曲地址

https://pan.baidu.com/s/1hmeXmfUxQVYfBd0EGKGCYQ

参考：

https://www.cnblogs.com/lzxwalex/p/6922099.html

https://www.cnblogs.com/lidabo/p/3729615.html

https://www.cnblogs.com/lzxwalex/p/6922099.html

http://blog.sina.com.cn/s/blog_40793e970102w3m2.html

https://blog.csdn.net/pi9nc/article/details/12570841