我對(duì)信號(hào)處理很陌生。我現(xiàn)在有兩個(gè)聲音信號(hào)數(shù)據(jù)。以 10 KHz、2 秒的采樣率收集每個(gè)數(shù)據(jù)。我已將此數(shù)據(jù)導(dǎo)入python。sound_1 和 sound_2 現(xiàn)在都是一個(gè) numpy 數(shù)組。每個(gè)聲音數(shù)據(jù)的長(zhǎng)度當(dāng)然是20000。Sound_1 包含水流聲音（我感興趣）和環(huán)境噪聲（我不感興趣），而 sound_2 僅包含環(huán)境噪聲（我不感興趣）。我正在尋找一種算法（或軟件包），它可以幫助我確定這種水流聲音的頻率范圍。我想如果我能找出頻率范圍，我可以使用傅里葉逆變換來過濾環(huán)境噪聲。但是，我的最終目的是從 sound_1 數(shù)據(jù)中提取水流聲音并消除環(huán)境噪聲。如果有其他方法那就太好了。但是我不明白他們?nèi)绾蝺H通過一個(gè)聲音信號(hào)就可以找出頻率。我認(rèn)為我們至少需要比較 2 個(gè)信號(hào)數(shù)據(jù)（一個(gè)包含我感興趣的聲音，另一個(gè)不包含），以便我們找出差異。
1 回答
PIPIONE
TA貢獻(xiàn)1829條經(jīng)驗(yàn) 獲得超9個(gè)贊
由于sound_1包含水流和環(huán)境噪聲，因此沒有直接的方法來提取水流。傅里葉變換將為您提供信號(hào)中的所有頻率，而與源無關(guān)。
接近的方法是從 中獲取環(huán)境噪聲的頻率，sound_2然后將它們從 中移除sound_1。完成后，您可以從已經(jīng)去噪的 中提取頻率sound_1。
這種降噪的流行方法之一是使用頻譜選通。本質(zhì)上，您首先確定噪聲聽起來如何，然后從信號(hào)中移除平滑頻譜。平滑是至關(guān)重要的，因?yàn)槁曇羰且环N波，是一個(gè)連續(xù)的實(shí)體。如果你只是從波形中去掉離散的頻率，你會(huì)得到非常糟糕的結(jié)果（音頻聽起來不自然和機(jī)器人）。您應(yīng)用的平滑量將決定減少多少噪音（請(qǐng)注意它永遠(yuǎn)不會(huì)真正消除 - 您總會(huì)得到一些殘留物）。
到具體的解決方案。
由于您是該主題的新手，因此我首先建議您在可以為您完成工作的軟件中如何進(jìn)行降噪。Audacity是一個(gè)很好的選擇。我鏈接了降噪手冊(cè)，但是那里有很多教程。
在你知道你想要得到什么之后，你可以自己實(shí)現(xiàn)光譜門控或使用現(xiàn)有的包。Audacity 在 C++ 中有出色的實(shí)現(xiàn)，但對(duì)于新手來說可能很難移植。我建議先使用降噪包。它基于 Audacity 實(shí)現(xiàn)。如果你使用它，你將在幾行內(nèi)完成。
這是一個(gè)片段：
import noisereduce as nr
# load data
rate, data = wavfile.read("sound_1.wav")
# select section of data that is noise
noisy_part = wavfile.read("sound_2.wav")
# perform noise reduction
reduced_noise = nr.reduce_noise(audio_clip=data, noise_clip=noisy_part, verbose=True)
現(xiàn)在只需在 上運(yùn)行 FFTreduced_noise即可發(fā)現(xiàn)水流的頻率。
這是我使用noisereduce的方式。在這一部分中，我正在確定頻率統(tǒng)計(jì)信息。
添加回答
舉報(bào)
0/150
提交
取消