python实现录音并去燥_Python | 简单的扩音，音频去噪，静音剪切

原标题：Python | 简单的扩音，音频去噪，静音剪切

之前一段时间一直在搞数字语音识别，在训练算法上耗费了很多时间，但结果不尽人意。后来才发现自己一直忽视了音频预处理的一步，于是转而囫囵吞枣般学习一些简单的信 处理算法。这里简单介绍一下以下内容：

扩音

音频去噪

静音剪切

文末将会给出源代码和demo代码的git库地址，有需要的同学请自取。

基本概念

数字信

数字信 是通过对连续的模拟信 采样得到的离散的函数。它可以简单看作一个以时间为下标的数组。比如，x[n]，n为整数。比如下图是一个正弦信 (n=0,1, …, 9)：

衡量数字信 的能量(强度)，只要简单的求振幅平方和即可：

E = sum(x[n]*x[n])

频率

我们知道，声音可以看作是不同频率的正弦信 叠加。那么给定一个声音信 (如上图)，怎么能够知道这个信 在不同频率区段上的强度呢是使用离散傅里叶变换。对信 x[n], n=0, …, N-1，通常记它的离散傅里叶变换为X[n]，它是一个复值函数。

比如，对上述英文单词“skip”对应的信 做离散傅里叶变换，得到它在频域中的图像是：

汉宁窗

可见除一有限区间之外，加窗后的信 其他部分都是0。

对一帧信 可以施加离散傅里叶变换(也叫短时离散傅里叶变换)，来获取信 在这一帧内(通常是很短时间内)，有关频率-能量的分布信息。

如果我们把信 按照上述方法分成一帧一帧，又将每一帧用离散傅里叶变换转换到频域中去，最后将各帧在频域的图像拼接起来，用横坐标代表时间，纵坐标代表频率，颜色代表能量强度(比如红色代表高能，蓝色代表低能)，那么我们就构造出所谓频谱图。比如上述“skip”发音对应的信 的频谱图是：

可以看到有较多杂音(在高频，低频段，蓝色部分)。采集0.25秒之前的声音作为噪声样本，对信 作降噪处理，得到降噪后信 的频谱图如下：

参考

维基百科词条-噪声门

开源音频处理软件 Audacity (频谱图都是直接用它画的，扩音，降噪，静音剪切这些效果它都有源代码)

我的GitHub

●●●

回复以下关键词查看相应内容

美赛/数学建模 | 校历| 成绩单/推荐信函

医保/南校门诊 | 毕业/典礼/留言

大学服务中心 |辅导员 | 校车 | 办事(流程)

回复教师姓名可获取相应信息

●●

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览215682 人正在系统学习中 相关资源：drysoft干燥机设计计算软件3.1,3.2,3.3破解版_干燥计算软件-制造…