- 综合排序
- 最热优先
- 最新优先
- 来自专栏又见苍岚
修改 wav 音频采样率
语音识别时指定采样率 16k，本文记录使用 python 实现音频采样率改变的过程。 import scipy.io.wavfile as wav # 打开音频文件sample_rate, data = wav.read('test.wav') 其中 sample_rate 为当前音频采样率 例如我当前测试音频，sample_rate 为 : 48000 我的目标是将其转换为 16000 转换采样率 scipy.signal 模块的 resample() 函数可以转换采样率。 12345 from scipy.signal import resample # 将采样率转换为 16Knew_rate = 16000resampled_data = resample(data, resampled_data) 完整代码 12345678910111213 from scipy.signal import resampleimport scipy.io.wavfile as wav# 将采样率转换为
2.2K20编辑于 2023-06-27 - 来自专栏全栈程序员必看
带通滤波器设计要注意采样率
设计为采样频率600M,中心频率140M,带宽2M, Fs_org = 140e6; Fs = Fs_org; T = 1/Fs; % 600 / 140 = 4.28, 约600M采样率, t1 = [0:T/4.28:1000*T]; % 原先错误代码,几乎就没有滤波 % t1 = [0:T/200:1000*T]; % 错误在于采样率远远大于600M p = 3*sin(t1*2*pi *1e6) + 1*sin(t1*2*pi*140e6) + 17*sin(t1*2*pi*1e5); 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/140873
52610编辑于 2022-09-01 - 来自专栏全栈测试
视频码率帧率采样率，了解一下？
1、视频码率：数据传输时单位时间传送的数据位数，也就是 是指视频文件在单位时间内使用的数据流量，一般用kbps单位，及千位每秒； 也就是取样率（并不等同与采样率，采样率的单位是Hz，表示每秒采样的次数） 码率计算公式：【码率】(kbps)=【文件大小】x8 x 1024/【时间】(秒) 2、帧率：帧率就是在1秒钟时间里传输的图片的帧数，也可以理解为图形处理器每秒钟能够刷新几次，，影像画面流畅度，与画面流畅度成正比 3、采样率：采样率（也称为采样速度或者采样频率）定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。采样率是指将模拟信号转换成数字信号时的采样频率，也就是单位时间内采样多少点。 单位为 bps(Bit Per Second)，比特率越高，传送的数据越大，音质越好.比特率 =采样率 x 采用位数 x声道数。
6.6K10发布于 2019-10-17 - 来自专栏工程师看海
过采样系列一：采样定理与过采样率
在详细介绍采样定理之前，我们一定要知道一个非常有趣的频率现象：‘任何模拟信号，在离散化后，在频率上都会按照采样率周期性延拓。’ 时域分析 在时域的角度下，当一个周期采集点数少于2个时，我们直连采样点重构信号，则频率就错了；而当一个周期采集两个采样点时，采用直连的重构方式，我们起码可以得到原始信号的频率信息。 频域解释 如下图所示，当fs<2fa时，周期性复现的带限信号，会有红色重叠的地方，这会导致我们失去原始带限信号的基本频率信息，俗称频谱混叠。 如上就可以提炼出采样定理的基本要义了。 采样定理与过采样率 上文中的fa是信号的带限（信号的最大频率范围），2*fa是采样定理的基本要求；M*2*fa中，M就是过采样率，过采样率是对‘采样定理的最低采样频率’而言的。 过采样率M每提高4倍，可以让ADC分辨率B提高1bit。举例如下： 过采样率分别为4、16、64，ADC分辨率B分别会提高1、2、3bit。这个后面会继续深入介绍。
3.2K30编辑于 2022-06-23 - 来自专栏工程师看海
哪个采样率高？
ADC采样率通常以每秒采样的次数来表示，单位为赫兹（Hz）。采样率决定了模拟信号在单位时间内被离散采样的次数。较高的采样率意味着更多的样本被记录下来，从而提供了更准确的信号再现。 上面有两个波形，都是采集的13Hz、10uVpp的正弦信号，哪个图的采样率是1kHz？哪个图的采样率是10kHz呢？ 更高的采样率如96 kHz、192 kHz等在高保真音频或专业录音领域中使用，以捕捉更广范围的频率和细节。 采样率和噪声之间存在一定的关系。 为了避免Aliasing噪声，采样率必须满足奈奎斯特(Nyquist)采样定理，即采样率应至少为被采样信号最高频率的两倍。 那么上图中，哪个图是10kHz的采样率呢？看海说第二个图、噪声大的是采样率高的，这是为什么呢？相信各位同学心里已经有了答案。
58320编辑于 2023-08-09 - 来自专栏ICSOC.TECH
Audio ABC | CD为何是44.1KHz采样率？
简单来说，存放于CD中的音频编码标准就是声音通道数为2、采样精度16bit、编码格式为线性PCM、采样率固定是44.1KHz。 ? 具体到这个问题，就是音频CD的采样率沿用了PCM适配器的采样率，而PCM适配器的采样率还要能够兼容视频存储设备的特定要求，以便利用当时已有的视频存取设备来存取其中的音频数据。 这就是44.1KHz采样率的由来的原因之一。 这样44.1KHz的音频采样率可以保证对两种视频制式的最大限度兼容。 原因二：Prime Numbers 还有一种解释说明采用44100Hz的原因是，44100可以分解成2、3、5、7四个最小连续质数的平方的乘积。
5.5K22发布于 2020-07-06 - 来自专栏工程师看海
过采样系列三：量化误差与过采样率
量化噪声的简化数学模型如下， e(t)=st, -q/2s < t < +q/2s 根据输入信号、ADC分辨率和量化误差的关系，我们可以推导出一条重要的SNR计算公式。 SNR = 6.02N + 1.76dB DC至fs/2带宽范围 如果使用数字滤波来滤除带宽BW以外的噪声成分，则等式中还要包括一个校正系数 或者写作 BW是信号带宽，FS是采样率，OSR= Fs/(2*BW)就是过采样率。 举个栗子： 当过采样率OSR为1时， 当过采样率OSR为4时， 对比公式1和公式2，只有红色框部分不同，即过采样带来的SNR收益和增加分辨率N是可以转化等效的。 额外增加的位数N+： N+=10log(OSR)/6.02， 当OSR=1,4,16，，，，时，N+=1,2,3，，，，， 这就是通常所说的，过采样率每增加4倍，可以提高1bit分辨率的原因。
1.3K40编辑于 2022-06-23 - 来自专栏6G
为什么采用30.72MHz作为最小采样率？
是人为划的还是有什么自然因素导致”的答案时，又遇到 30.72MHz 采样率的问题，先来聊聊这个问题。 我们在说 LTE 和 5G NR 基带系统的采样率时，经常会遇到一个看似违反直觉的事实：对于 20MHz 的基带信号带宽，转换至数字域所需的最低采样率是 30.72MHz。 奈奎斯特定理不是要求采样率至少为信号带宽的 2 倍嘛？ 在解答上面两个问题之前，我们首先要理解“正交采样”（Quadrature Sampling）的概念。 根据奈奎斯特采样定理，在进行模拟/数字信号的转换过程中，当采样频率大于信号中最高频率的2倍时，采样之后的数字信号完整地保留了原始信号中的信息。 然而，IFFT的大小通常选择为一个大于子载波总数的2的幂次，以便于实现快速傅里叶变换（IFFT）算法。由于 1333 不是 2 的幂次，通常选择最接近 1333 的且大于1333 的 2 的幂次。
87410编辑于 2024-07-02 - 来自专栏不会跳舞的鸟
JS 录制压缩16K采样率(SampleRate)音频
各个平台只接受 16K/8K SampleRate 的音频，JS 录制默认是 44.1K SampleRate，这时需要压缩采样率。 return result; } function encodeWAV(samples) { var buffer = new ArrayBuffer(44 + samples.length * 2) writeString(view, 0, 'RIFF'); /* RIFF chunk length */ view.setUint32(4, 36 + samples.length * 2, true); /* block align (channel count * bytes per sample) */ view.setUint16(32, numChannels * 2, ; var view = new DataView(buffer); numChannels = 1; let bitPerSample = 16 * 2,
3.1K30编辑于 2022-11-16 - 来自专栏全栈程序员必看
解决树莓派IOError: -9997 采样率16K错误
1.安装 sudo apt-get install pulseaudio 2.在家目录创建隐藏文件 .asoundrc pcm.!
84530编辑于 2022-11-03 - 来自专栏云深之无迹
从40G 采样率 ADC 看三种交织误差校准
现代高采样率 ADC 的俩种流派：“时间交织” 和 “频谱分片” 全新光电混合架构 ADC 前端-达 640 GSa/s的采样率 ISSCC 2025，72GS/s 9bit 学界最高指标 分级流水线 对应寄存器 地址范围： 0x69 – 0xA8 每个寄存器控制 2 个子 ADC； 调节范围： ± 12.4 % 步进： 0.1 % 通过小步长数字乘法调整，使所有 128 路 ADC 在幅度上严格一致 总数据输出速率计算 总速率 也就是： （1 Byte = 8 bit） 对应 ADC 采样参数验证 ADC 采样率：40 GS/s 分辨率：8 bit 理想原始数据流量应为： 与上面计算完全一致，说明
36310编辑于 2026-01-07 - 来自专栏云深之无迹
AD7771 高级功能-相干采样（支持非整数的采样率）
相干采样（Coherent Sampling） 参数 它允许用户对采样率进行极精细的调整，以实现与输入信号的相位对齐，避免因采样率误差导致的信号失真或能量泄漏。 在传统 ADC 采样中，如果输入信号的频率与 ADC 采样率（ODR）不完全匹配，会导致： 频谱泄漏（Spectral Leakage）：信号的能量被扩散到不相关的频率成分。 AD7771 通过可编程采样率转换器（SRC, Sample Rate Converter），允许以 15.2 µSPS（微赫兹）的精度调整采样率，从而：精确锁定采样率与信号频率的整数倍关系，消除频谱泄漏 核心是这个寄存器 AD7771 的相干采样基于 采样率转换器（SRC），允许用户设置 非整数 的采样率，方法如下： 设定基准时钟（MOD_MCLK） 计算所需的采样率（ODR） 通过寄存器 SRC_N_MSB Rate 为整数部分 IF 为小数部分，允许 亚赫兹级别的采样率调整 比如目标采样率 = 2.8 kSPS，先设 MOD_MCLK = 2048 kHz DecimatioRate： 2048/2.8
51010编辑于 2025-04-15 - 来自专栏工程师看海
5000字示波器基础 | 如何理解示波器的采样率和存储深度？
这里，fmax 称为Nyquist频率，2fmax 为Nyquist采样率。对于正弦波，每个周期至少需要两次以上的采样才能保证数字化后的脉冲序列能较为准确的还原原始波形。 采样率 SF<2 f max ，混叠失真 下图显示的波形看上去非常相似，但是频率测量的结果却相差很大，究竟哪一个是正确的？ 使用等效时间采样模式必须满足两个前提条件：1.波形必须是重复的；2.必须能稳定触发。 实时采样模式下示波器的带宽取决于A/D转化器的最高采样速率和所采用的内插算法。 前面我们提到现在DSO的A/D转换器都是8位编码的，那么示波器的最小量化单位就是1/256，（2的8次方），即0.391%。 为了弥补这种设计结构的缺陷，这类示波器会采用外部的低速存储器弥补片内高速内存，但外部存储器不能在高采样率下工作，一般只能提供2GS/s，无法提供有意义的抖动测试结果。
4K20编辑于 2023-09-27 - 来自专栏云深之无迹
现代高采样率 ADC 的俩种流派：“时间交织” 和 “频谱分片”
例如：4 个 ADC，每个采样率 2 GS/s，时序错开 90°，→ 总体等效采样率 = 8 GS/s。 0: true= 1.000 ∠ 0.0° | est= 1.000 ∠ 0.0° Slice 1: true= 0.941 ∠ 37.5° | est= 0.730 ∠ -83.1° Slice 2: 每个谱片宽约 2×FSR≈80 GHz，相邻谱片用 ≈5 GHz 余量 做余弦过渡，出现小重叠区，用于后续幅相对齐与谱片拼接。 np.pi*ftone_Hz*t); c = np.cos(2*np.pi*ftone_Hz*t) A_s = 2*np.mean(y*s); A_c = 2*np.mean(y*c) tone_power = 0.5*(A_s**2 + A_c**2) total_power = np.mean(y**2) noise_dist_power = max(total_power
31910编辑于 2026-01-07 - 来自专栏云深之无迹
全新光电混合ADC系统-640 GSas的采样率（YUNSWJ仿真版）
这是一篇Nature光上面的文章，首次展示了基于Kerr孤子微梳（Kerr soliton microcomb）的光电混合ADC系统，实现了320 GHz的采集带宽（对应640 GSa/s的采样率），创下了目前 Step 5：数字拼接与重建 将每个子频段分别低速采样（因带宽较窄）；利用 DSP 对多个段进行频域拼接（消除重叠区，保持幅相一致性）；最终重构出原始宽带信号，达到超高等效采样率。 啧啧，这实验真的是做不起一点 现在大概商用的极限就是这样，一直说有国产的，我也没有见过 性能 项目 结果 采集带宽 320 GHz 等效采样率 640 GSa/s ENOB（有效位数） 2.6–3.3（ lfilter from scipy.fft import fft, ifft, fftshift, ifftshift # 参数设置 fs = 640e9 # 有效采样率 import numpy as np from scipy.fft import fft, ifft, fftshift # 参数设置 fs = 640e9 # 有效采样率
54510编辑于 2025-07-14 - 来自专栏FPGA技术江湖
几块钱几分钟打造100MHz采样率逻辑分析仪
几块钱几分钟打造100MHz采样率逻辑分析仪 5 分钟内将 Raspberry Pi Pico（或任何 RP2040 板）变成简单的逻辑分析仪。 特征 16个通道 100 MHz 采样率（优化得当（超频）后为 250 MHz），每个系统时钟周期采集 1 个样本 200 KB 内存 使用 PIO 快速触发 支持的硬件 树莓派 Pico RP2040
55210编辑于 2024-12-20 - 来自专栏OpenFPGA
几块钱几分钟打造100MHz采样率逻辑分析仪
几块钱几分钟打造100MHz采样率逻辑分析仪 5 分钟内将 Raspberry Pi Pico（或任何 RP2040 板）变成简单的逻辑分析仪。 特征 16个通道 100 MHz 采样率（优化得当（超频）后为 250 MHz），每个系统时钟周期采集 1 个样本 200 KB 内存 使用 PIO 快速触发 支持的硬件 树莓派 Pico RP2040
1.9K11编辑于 2023-12-13 - 来自专栏云深之无迹
一个Σ-Δ ADC中不会写出来的参数：OSR（最小过采样率）
举例：AD7175（Σ-Δ + Sinc5） （当然数据手册里面是），ODR = 250 kSPS 则 OSR = 8 MHz / (2 × 250k) = 16；在该 OSR 下仍需使用 Sinc5 OSR（过采样率） ：采样率相对于 Nyquist 频率的倍率，设计中需保证 OSR ≥ 最小值，才能获得预期分辨率。 1024 * 64 # 调制器频率 duration = 1.0 t = np.arange(0, duration, 1/fs_mod) input_signal = 0.5 * np.sin(2 osr_list), 1, figsize=(10, 10), sharex=True) for idx, osr in enumerate(osr_list): bw = fs_mod / (2 * osr) # 信号带宽 fir_len = 101 fir = firwin(fir_len, cutoff=bw / (fs_mod / 2)) modulated =
1K10编辑于 2025-07-24 - 来自专栏FPGA/ARM/DSP技术专栏
200MSPS采样率，RK3588F高速AD采集与实时显示案例来了！
创龙科技基于瑞芯微RK3588J/RK3588 + 紫光同创Titan-2 PG2T390H（兼容Xilinx Kintex-7 XC7K325T）FPGA，推出了SOM-TL3588F工业核心板和 AD9613采样双通道12bit数据，由于传输时将12bit数据按照16bit进行发送，因此实际发送数据量为16bit x 2 x 200MSPS = 6400Mbps。 /pcie_ad_display -m 2由上图打印信息可知，读取速率约为505MB/s，采样率为200MSPS。同时，HDMI显示屏将会实时显示动态波形，如下图所示。至此，演示步骤就结束啦。
64820编辑于 2025-02-25 - 来自专栏我爱计算机视觉
经典重温：FAIR提出SlowFast，用双分支非对称网络处理不同采样率的视频！代码开源！
同时，由于较低的时间采样率，Slow pathway可以更多地集中在空间域和语义上。通过以不同的时间采样率处理原始视频，本文的方法允许这两条路径在视频建模方面拥有自己的专业知识。 本文的框架在以下几个方面类似：（1）本文的模型有两条路径，分别在低和高时间分辨率下工作；（2）本文的Fast pathway设计用于捕捉快速变化的运动，但空间细节较少，类似于M细胞；（3）本文的Fast 对于ResNet，这些连接就在pool 1、res 2、res 3和res 4之后。这两条通路具有不同的时间维度，因此横向连接需要执行一些变换使之匹配。最后，对每个路径的输出执行全局平均池化。 Time-strided convolution ：使用一个输出通道为2βC，步长为α，大小为的卷积核执行3D卷积。 03 实验 3.1. 作者将网络分成了两个分支，slow path的采样率较低，网络也较大，可以捕获更加丰富的特征，fast path的采样率更高，网络较小，因此可以较少高采样率带来的高计算量。
1.6K10编辑于 2021-12-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号