1. 语音类实现 (实现读取wav/pcm,STFT)

[C++ 基于Eigen库实现CRN前向推理]

第一部分：WavFile.class (实现读取wav/pcm,实现STFT)

• 前言：(Eigen库使用记录)
• 第一部分：WavFile.class (实现读取wav/pcm,实现STFT)
• 第二部分：Conv2d实现
• 第三部分：TransposedConv2d实现 (mimo,padding,stride,dilation,kernel,outpadding)
• 第四部分：NonLinearity （Sigmoid，Tanh，ReLU，ELU，Softplus）
• 第五部分：LSTM
• GITHUB仓库

1. 读写语音文件(wav/pcm)

1.1 wav文件读写

语音文件有很多后缀格式，这里只实现了两种后缀名，.wav和.pcm。

• WAV文件遵守资源交换文件格式之规则，在文件的前44(或46)字节放置标头(header)，使播放器或编辑器能够简单掌握文件的基本信息，其内容以区块(chunk)为最小单位，每一区块长度为4字节，而区块之上则由子区块包裹，每一子区块长度不拘，但须在前头先宣告标签及长度(字节)。
• 标头的前3个区块记录文件格式及长度；
• 接着第一个子区块包含8个区块，记录声道数量、采样率等信息；
• 接着第二个子区块才是真正的音频资料，长度则视音频长度而定。
• 内容如下表所示。须注意的是，每个区块的端序不尽相同，而音频内容本身则是采用小端序。

• 读Wav文件
  图中所示是一个wav的标准格式，但wav还有其他不同的存储格式，有些有扩展块之类的，需要根据具体的语音文件来确定。比如我用python中soudfile生成的语音，其format_tag=3，format_length=18（通常为16）。由于我没用到其他格式的情况，直接在下方用if else讨论format_tag=1和=3的情况。
  总而言之，读取wav其实就是一个解析头文件的过程，把对应的头信息存下来，再去读取数据就好了。-
  读wav文件的具体代码给出（后面会给整体的h文件和cpp文件）：

  void Wav_File::LoadWavFile(const char *file_path) {
       
      FILE *fp = fopen(file_path, "rb");
      if (fp) {
       
          fread(this->id_riff, sizeof(char), 4, fp);
          this->id_riff[4] = '\0';
          fread(&this->file_size, sizeof(int16_t), 2, fp);
          fread(this->id_wave, sizeof(char), 4, fp);
          this->id_wave[4] = '\0';
          fread(this->id_fmt, sizeof(char), 4, fp);
          this->id_fmt[4] = '\0';
          fread(&this->format_length, sizeof(int16_t), 2, fp);
          fread(&this->format_tag, sizeof(int16_t), 1, fp);
          fread(&this->channels, sizeof(int16_t), 1, fp);
          fread(&this->sample_rate, sizeof(int16_t), 2, fp);
          fread(&this->avg_bytes_sec, sizeof(int16_t), 2, fp);
          fread(&this->block_align, sizeof(int16_t), 1, fp);
          fread(&this->bits_per_sample, sizeof(int16_t), 1, fp);
          if (this->format_tag == 1) {
       
              fread(this->id_data, sizeof(char), 4, fp);
              this->id_data[4] = '\0';
              fread(&this->data_size, sizeof(int16_t), 2, fp);
              this->wav_size = this->data_size / sizeof(int16_t);
              this->ip_raw = (int16_t *) malloc(this->data_size);
              fread(this->ip_raw, sizeof(int16_t), this->wav_size, fp);
  
              this->data = (float_t *) malloc(this->wav_size * sizeof(float_t));
              for (int i = 0; i < this->wav_size; i++) {
       
                  this->data[i] = (float_t) (this->ip_raw[i] * 1.0 / 32768);
              }
  
          } else if (this->format_tag == 3) {
       
              fread(&this->cb_size, sizeof(int16_t), 1, fp);
              fread(this->id_data, sizeof(char), 4, fp);
              this->id_data[4] = '\0';
              fread(&this->data_size, sizeof(int16_t), 2, fp);
              this->wav_size = this->data_size / sizeof(float);
              this->fp_raw = (float *) malloc(this->data_size);
              fread(this->fp_raw, sizeof(float), this->wav_size, fp);
              this->data = (float_t *) malloc(this->wav_size * sizeof(float_t));
              for (int i = 0; i < this->wav_size; i++) {
       
                  this->data[i] = this->fp_raw[i];
              }
          }
      }
      fclose(fp);
  
  }
  

• 写出Wav文件
  Wav文件写出和读入是完全对应的，把读到的信息反向写出就可以了。
  如果对数据有所操作，需要去找对应的变量进行修改，比如长度，需要更新总文件的file_size以及data chunk的data_size。
  具体代码给出：

  void Wav_File::WriteWavFile(const char *dest_path) {
       
      for (int i = 0; i < wav_size; i++) {
       
          if (format_tag == 1)
              this->ip_raw[i] = (int16_t) (this->data[i] * 32768);
          else
              this->fp_raw[i] = this->data[i];
      }
  
      FILE *fp = fopen(dest_path, "wb");
      if (fp) {
       
  
          fwrite(this->id_riff, sizeof(char), 4, fp);
          fwrite(&this->file_size, sizeof(int16_t), 2,