【基于pyAudioKits的Python音频信号处理项目（一）】实现音频频谱分析仪并进行交互式滤波器设计

pyAudioKits是基于librosa和其他库的强大Python音频工作流支持。

API速查手册

通过pip安装：

pip install pyAudioKits
1

pyAudioKits的GitHub地址，如果这个项目帮助到了你，请为它点上一颗star，谢谢你的支持！如果你在使用过程中有任何问题，请在评论区留言或在GitHub上提issue，我将持续对该项目进行维护。

在进行音频信号有关研究时，我们常常需要用到语谱图的分析。同时，我们也需要进行降噪或者有用的频率成分的提取。

常规情况下，为了实现降噪或者有用的频率成分的提取，我们会将整个音频信号通过一个时不变滤波器。如果噪声是平稳信号，该方法可以有效滤除噪声。然而实际情况下，噪声往往是非平稳的，这就意味着我们需要在不同时间点上使用参数不同的滤波器，即使用一个时变滤波器。

短时傅里叶变换可以用于生成音频信号的语谱图，语谱图上包含了信号随时间变化的频率成分信息，因此我们完全可以将时变滤波器的设置和语谱图的分析进行结合。

Filter-Artist基于pyAudioKits开发，实现了一个STFT语谱图定位滤波分析系统，这个系统旨在对音频信号进行短时傅里叶变换。而且，为了更好地对语谱图进行分析，我们让用户可以借助GUI，使用鼠标，在特定时间的特定频点设置巴特沃斯滤波器，交互性地提取自己感兴趣的信号成分、屏蔽噪声，观察滤波后的波形并实时播放滤波后的音频。

该项目的GitHub地址。如果它对你有用，请为它点上一颗star，谢谢！

运行环境：

Python ≥ 3.8.3

依赖：

pyAudioKits ≥ 1.0.6

PyQt5 ≥ 5.15.4

numpy ≥ 1.22.4

opencv-python ≥ 4.5.2.52

1. 在命令行输入：

   python main.py
   1

   以执行main.py，得到窗口如下图所示。

   

2. 点按Load按钮，并读取预置的录音文件rec2_01.wav。

   

   此时显示了rec2_01.wav的语谱图。

   

3. 可以选用多种窗型来显示语谱图。默认展示的是矩形窗的结果：

   

   使用汉明窗：

   

4. 可以设置巴特沃斯滤波器的阶数和通带/阻带宽度。

   

5. 不勾选Erase Mode的情况下，设置的是带通滤波器。在语谱图上点按鼠标并拖动，则鼠标初始位置决定滤波器设置的起始时间和中心频率，鼠标释放位置决定滤波器设置的结束时间。设置一个宽度较大的高频通带以提取蜂鸣器音。

   

6. 勾选Erase Mode的情况下，设置的是带阻滤波器。在语谱图上点按鼠标并拖动，则鼠标初始位置决定滤波器设置的起始时间和中心频率，鼠标释放位置决定滤波器设置的结束时间。设置三个宽度较小的阻带以消除蜂鸣器音。

   

7. 点击play按钮播放音频。

   

8. 点击Save按钮对音频进行保存。

   

9. 点击Redo按钮重置对音频的编辑。

   

核心代码：

核心代码位于audio.py文件内

from pyAudioKits.audio import read_Audio
from pyAudioKits.analyse import FFT
from pyAudioKits.filters import lowPassButterN, highPassButterN, bandPassButterN, bandStopButterN
import matplotlib.pyplot as plt
import numpy as np

class myspectrogram:
    def __init__(self,direction,window):
        self.__wav = read_Audio(direction)	#利用pyAudioKits的api读取音频
        self.__M=0.03	#设置窗长为0.03s
        self.__R=0.015	#设置步长为0.015s

        if window=="Hamming":
            self.__Window = "hamming"
        elif window=="Rectangle":
            self.__Window = None

    def __stft(self):
        self.__freq = FFT(self.__wav.framing(self.__M, 1 - self.__R/self.__M, self.__Window))	#利用pyAudioKits的api进行短时傅里叶变换
    
    def save(self,direction):
        self.__wav.save(direction)	#利用pyAudioKits的api保存音频
    
    def play(self):
        self.__wav.sound()	#利用pyAudioKits的api播放音频

    def drawFreq(self):
        self.__stft()
        #创建子图，并取消横纵坐标
        plt.figure(figsize=(8,2))
        plt.axis('off')
        plt.gca().xaxis.set_major_locator(plt.NullLocator())
        plt.gca().yaxis.set_major_locator(plt.NullLocator())
        plt.subplots_adjust(top = 1, bottom = 0, right = 1, left = 0, hspace = 0, wspace = 0)
        plt.margins(0,0)
        self.__freq.plot(ax=plt.gca(),cbar=False,freq_scale="mel",plot_type="dB")	#将子图传入pyAudioKits的频谱绘制api
        plt.savefig("tmp.png")	#保存子图，后续通过PyQt读取并显示

    def filtering(self,n,sizeFreq,erase,xposeStart,yposeStart,xposeEnd,yposeEnd):
        def freq_transform(freq):	#将鼠标在频谱上点击的y轴位置，即一个[0,1]之间的数，映射到梅尔尺度频率
            sr = self.__wav.sr
            length = int(self.__M  * sr / 2)
            max_freq_point = int(sr / 2)
            max_freq = sr / 2
            freq_points = 700 * (np.power(10, np.linspace(0, 2595 * np.log10(1 + max_freq/700), length)/2595) - 1)
            freq_point = freq_points[int(length * freq)]
            freqs = np.linspace(0,max_freq,max_freq_point)
            return freqs[int(freq_point)]

        #将鼠标在频谱上点击的x轴位置，即一个[0,1]之间的数，映射到音频时间，后续用于音频切片
        xsize=self.__R * self.__freq.shape[0]
        xposeStart=xsize*xposeStart
        xposeEnd=xsize*xposeEnd

        yposeNow=float(yposeStart)
        width=float(sizeFreq)/200	#将滤波器宽度映射到[0,1]的尺度上
		
        #计算滤波器的两个截止频率
        low=yposeNow-width
        high=yposeNow+width

        #获取滤波器并进行滤波
        if erase:
            if low>0 and high<1:
                filt = lambda x: bandStopButterN(x, n, freq_transform(low), freq_transform(high))
            if low<=0:
                filt = lambda x: highPassButterN(x, n, freq_transform(high))
            if high>=1:
                filt = lambda x: lowPassButterN(x, n, freq_transform(low))
        else:
            if low>0 and high<1:
                filt = lambda x: bandPassButterN(x, n, freq_transform(low), freq_transform(high))
            if low<=0:
                filt = lambda x: lowPassButterN(x, n, freq_transform(high))
            if high>=1:
                filt = lambda x: highPassButterN(x, n, freq_transform(low))
        if xposeStart<xposeEnd:
            self.__wav[xposeStart:xposeEnd]=filt(self.__wav[xposeStart:xposeEnd])
        if xposeEnd<xposeStart:
            self.__wav[xposeEnd:xposeStart]=filt(self.__wav[xposeEnd:xposeStart])
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