获取.SPH音频文件的整数表示

Question

我试图训练一个神经网络使用音频文件，最初是在.SPH格式。我需要得到表示神经网络声波振幅的整数，所以我使用sox将文件转换为.wav格式，调用sox infile.SPH outfile.wav remix 1-2 (将两个通道混合为1)，然后在matlab中尝试使用[y, Fs, nbits, opts] = wavread('outfile.wav')获得整数表示。

然而，matlab抛出了Data compression format (CCITT mu-law) is not supported.，所以我使用了sox infile.SPH -b 16 -e signed-integer -c 1 outfile.wav，我认为它将波形文件设置为线性格式，而不是matlab。但是现在matlab抛出了另一个错误：Invalid Wave File. Reason: Cannot open file.

我的音频文件是在8000赫兹u律单或双通道，和所有的8位，我认为(8位的单一肯定)。

1. 有没有办法用matlab或其他程序从音频文件中获取整数表示？U定律或线性法则都可以，除非神经网络训练更好。最好是8位，因为源文件在8位.
2. 我真的不明白.SPH。对于未压缩的文件(忽略头)，这些文件是否存储振幅(猜测它必须以某种方式)？我能直接从这些文件中提取数字而不受海浪的干扰吗？信号是按顺序存储的，这样分裂音频文件才有意义吗？

我是新的音频处理在一般情况下，所以任何指针将不胜感激！

Answer 1

你需要清楚地确定主要任务:用向量或矩阵给神经网络喂食。因此，第一步是处理音频文件(没有matlab!)以便有wav文件。第二步是利用matlab进行神经网络的设置/训练。

我会尝试解压缩'sph‘文件，然后将它们转换为'wav’(例如，请参阅这里和这里指令)。

最后，在命令/终端窗口中使用sox比在matlab控制台中使用sox更好。