我想对每个1024个样本的连续块/时间帧应用FIR或IIR滤波器(例如:低通滤波器)。在
可能的应用:
实时音频处理,如EQing。在一个精确的时间,我们在一个缓冲区中只有接下来的1024个样本。下一个要处理的样本尚不可用(实时)。
如建议的in this answer,通过将输入信号分成块来制作截止时变滤波器。
我试过了:
import numpy as np
from scipy.io import wavfile
from scipy.signal import butter, lfilter, filtfilt, firwin
sr, x = wavfile.read('input.wav')
x = np.float32(x)
y = np.zeros_like(x)
N = 1024 # buffer block size = 23ms for a 44.1 Khz audio file
f = 1000 # cutoff
pos = 0 # position
while True:
b, a = butter(2, 2.0 * f / sr, btype='low')
y[pos:pos+N] = filtfilt(b, a, x[pos:pos+N])
pos += N
f -= 1 # cutoff decreases of 1 hz every 23 ms, but the issue described here also present with constant cutoff!
print f
if pos+N > len(x):
break
y /= max(y) # normalize
wavfile.write('out_fir.wav', sr, y)
我试过了:
两者都使用巴特沃斯滤波器或FIR(将前面的行替换为b, a = firwin(1000, cutoff=f, fs=sr), 1.0
)
同时使用^{
但问题是:
**在每个时间帧的输出边界,存在连续性问题,这使得音频信号严重失真。在
如何解决这种不连续性问题?我考虑过windowing+overladd方法,但肯定有更简单的方法。在
正如@sobek在评论中提到的,当然需要指定初始条件来允许连续性。这是通过
lfilter
的zi
参数完成的。在通过改变主回路来解决问题:
因此,如果cd3}的工作被修改,那么{cd3>
相关问题 更多 >
编程相关推荐