Python示波器

Question

我正在尝试用python创建一个程序，它可以通过现场音频(通过麦克风)创建示波器。

普通示波器的不同之处在于，它只显示一个波长，例如(期望的输出)：

​

​

这显示了三个不同的波长，以及它们将如何在节目中显示。

我迄今取得的进展：

1. 我已经创建了一个程序来显示一个图形，并清除和重新绘制它
2. 然后，我创建了一个程序，它将显示声音实况(尽管它非常慢，如果可能的话，最好是修复)。

代码1：

import matplotlib.pyplot as plt
import time

plt.ion()

#y1 is the data
y1 = [0,0.309,0.587,0.809,0.951,1,0.951,0.809,0.587,0.309,0, -0.309, -0.587, -0.809, -0.951, -1, -0.951, -0.809, -0.587, -0.309, 0]

plt.plot(y1, 'r.-') #Graph with data
plt.plot([0 for _ in y1]) #Straight line at y=0

while True:
    #Update data to new data
    #y1 = new data
    plt.plot(y1, 'r.-') #Graph with data
    plt.plot([0 for _ in y1]) #Straight line at y=0
    plt.draw()
    plt.pause(0.5) #Time for one wave? Need some way to find this...
    plt.clf()

代码2：

import pyaudio
import numpy as np
import matplotlib.pyplot as plt
import time

RATE = 44100
CHUNK = int(RATE/20) # RATE / number of updates per second

def soundplot(stream):
    t1=time.time()
    data = np.fromstring(stream.read(CHUNK),dtype=np.int16)
    plt.pause(0.1) #To draw graph!
    plt.clf()
    plt.plot(data)
    plt.draw()
    plt.axis([0,len(data),-2**16/2,2**16/2])
    print("took %.02f ms"%((time.time()-t1)*1000))

if __name__=="__main__":
    p=pyaudio.PyAudio()
    stream=p.open(format=pyaudio.paInt16,channels=1,rate=RATE,input=True,
                  frames_per_buffer=CHUNK)
    for i in range(int(20*RATE/CHUNK)): #do this for 10 seconds
        soundplot(stream)
    stream.stop_stream()
    stream.close()
    p.terminate()

编辑:为了说明清楚，我想要的结果是显示图片中的一个单一波长，而不是第二个代码产生的多重波长。

Answer 1

若要显示单个波长，请先向前扫描，直到找到非负数据点为止。(这将在第一个条目和代码#1中的数据中立即发生。)

然后继续向前扫描在时间，并保持一个三角洲之间的连续样品。最初，当曲线接近最大值时，δ(或离散导数)为正，然后变为负值，直到达到一分钟，然后再次变为正。

当遇到非负数据点且增量为正时，停止前向扫描。在这一点上，你有一个完整的波长。

编辑：

如果您有大量的数据，那么可以跳过一些前导数据示例。这里的关键是我们想要找到一个带正导数的过零点，然后继续，直到我们找到另一个带正导数的过零点。因此，第一项决定既要寻找一个非负数据点，又要坚持正数据点。

在存在噪声的情况下，我们可能会比波形的周期更多地看到δ上的符号变化。因此，第一步可能是找到一堆样本的最小值和最大值(这意味着一个范围)，然后选择任意阈值，如min + .25 *范围和min + .75 *范围，记录第一个正零交叉，等待信号超过高阈值，等待它降到低阈值以下(在负过零之后)，然后记录下一个正零交叉。这就给出了波长的估计。如果你觉得这样做有帮助的话，就重复估计，然后取一些方便的汇总，比如平均值或者(更好)中值。

使用波长估计，您可以更好地评估一对正零交叉是否“正确”，还是由于噪音。拒绝那些比你估计的要近得多的对。你可能还会发现计算光滑导数很方便，因此，你可以用最后两个点(K=2)的增量来平均计算最后的K点，也许是其中的6个点。平均函数是一个抗高频噪声的低通滤波器。