python - 将麦克风数据转换为频谱

Question

我正在尝试创建一个频谱图程序(在python中)，该程序将实时分析和显示来自麦克风输入的频谱。我正在使用模板程序从此处录制音频:http://people.csail.mit.edu/hubert/pyaudio/#examples(录制示例)

这个模板程序工作正常，但是我不确定从data = stream.read(CHUNK)行返回的数据格式。我已经对该程序中使用的.wav格式进行了一些研究，但是我找不到真正的数据字节本身的含义，仅是.wav文件中元数据的定义。

我了解该程序使用16位样本，并且“块”存储在python字符串中。我希望有人可以帮助我准确地理解每个样本中的数据代表什么。即使只是指向此信息源的链接也将有所帮助。我尝试使用谷歌搜索，但我认为我对术语不太了解，无法准确搜索。

Answer 1

stream.read为您提供二进制数据。要获取十进制音频样本，可以使用 numpy.fromstring 将其转换为numpy数组，或者使用Python的内置 struct.unpack 。

例:

import pyaudio
import numpy
import struct

CHUNK = 128

p = pyaudio.PyAudio()
stream = p.open(format=pyaudio.paInt16, channels=1, rate=44100, input=True, frames_per_buffer=CHUNK)

data = stream.read(CHUNK)
print numpy.fromstring(data, numpy.int16) # use external numpy module
print struct.unpack('h'*CHUNK, data) # use built-in struct module

stream.stop_stream()
stream.close()
p.terminate()