python - scipy.io.wavfile.read 返回的数据是什么意思？

Question

scipy.io.wavfile.read 的文档说它返回采样率和数据。但是，如果是 .wav 文件，这里的数据实际上意味着什么？

谁能通俗地告诉我这些数据是如何准备的？

附言。我在某处读到它意味着振幅？我读的是正确的吗？如果是，scipy.io.wavfile.read 是如何计算和返回振幅的？

Answer 1

scipy.io.wavfile.read 是一个方便的包装器，用于将 .wav 文件分解为标题和文件中包含的数据。

来自source code

Returns
-------
rate : int
    Sample rate of wav file.
data : numpy array
    Data read from wav file.  Data-type is determined from the file;
    see Notes.

来自源代码的简化代码:

fid = open(filename, 'rb')
try:
    file_size, is_big_endian = _read_riff_chunk(fid) # find out how to read the file
    channels = 1 # assume 1 channel and 8 bit depth if there is no format chunk
    bit_depth = 8
    while fid.tell() < file_size: #read the file a couple of bytes at a time
        # read the next chunk
        chunk_id = fid.read(4)

        if chunk_id == b'fmt ':  # retrieve formatting information
            fmt_chunk = _read_fmt_chunk(fid, is_big_endian)
            format_tag, channels, fs = fmt_chunk[1:4]
            bit_depth = fmt_chunk[6]
            if bit_depth not in (8, 16, 32, 64, 96, 128):
                raise ValueError("Unsupported bit depth: the wav file "
                                 "has {}-bit data.".format(bit_depth))
        elif chunk_id == b'data':
            data = _read_data_chunk(fid, format_tag, channels, bit_depth,is_big_endian, mmap)

finally:
    if not hasattr(filename, 'read'):
        fid.close()
    else:
        fid.seek(0)

return fs, data

数据本身通常是 PCM 表示的不同 channel 的连续帧中的声压级。 scipy.io.wavfile.read 返回的采样率对于确定多少帧代表一秒是必要的。

此question 提供了.wav 格式的一个很好的解释。 .

scipy 本身计算不多。