机器学习（七）音频可视化第一篇

读取音频文件并将该信号进行可视化展现

实验内容

读取音频文件并将该信号进行可视化展现。

原理

（1） 音频信号的基本结构，即音频信号的数字化形式是复杂的连续波形。
（2） 为了将其保存成数字化形式，需要对音频信号进行采样并将其转换成数字。在进行采样时，语音语音通常以44100 Hz的频率进行采样，这也意味着每秒钟信号被分解成44，100份，然后这些抽样值被保存。
（3） 如果采样率很高， 用媒体播放器收听音频时，会感觉到信号是连续的。

实验过程

详细步骤：

(1) 创建一个Python文件，并导入以下程序包：

(2) 使用wavfile包从input_read.wav中读取音频文件：

(3) 打印这个信号的相关参数：

(4) 音频信号被存储在一个16位有符号整型数据中，并标准化：

(5) 提取前30个值，并将其画出：

(6) X轴为时间轴。创建这个轴，并且X轴应该按照采样频率因子进行缩放：

(7) 将单位转换为秒：

（8）将其画出：

实验结果

实验结论

1.一段完整的音频在数字化之后，会变成一条类似于三角函数的变换图形。由图可知，随着时间的推移，一段音频在不同时间点的幅值是不同的，并且随着音频复杂性的提高，幅值变化的次数会越来越快，同时，图像会变得十分复杂。
2.本例中只是提取了前30个值进行画图，如果提取前50，图像的复杂程度又会升高，可见图像的复杂程度与提取值得个数成正比
3.如果采样率很高，用媒体播放器收听音频时，会感觉信号是连续的

源代码

# -*- coding: utf-8 -*-
"""
Created on Sun Sep 20 10:41:01 2020

@author: h'p
"""

import numpy as np
import matplotlib.pyplot as plt 
from scipy.io import wavfile

# 读取输入文件
sampling_freq, audio = wavfile.read(r"C:\Users\h'p\Desktop\speaker_test_sound.wav")
#r"C:\Users\h'p\Desktop\complete.wav"


# 打印参数
print('\nShape:', audio.shape)
print('Datatype:', audio.dtype)
print('Duration:', round(audio.shape[0] / float(sampling_freq), 3), 'seconds')

# 标准化数值
audio = audio / (2.**15)

# 提取前30个值画图
audio = audio[:50]
print(audio)

# 建立时间轴
x_values = np.arange(0, len(audio), 1) / float(sampling_freq)

# 将单位转换为秒
x_values *= 1000

# 画出声音信号图形
plt.plot(x_values, audio, color='black')
plt.xlabel('Time (ms)')
plt.ylabel('Amplitude') 
plt.title('Audio signal') 
plt.show()

程序中用到的音频文件可以选择任意一个，但最好不要太长，否则一般的笔记本会卡住，这一点尤为重要！！！！！！