数字音频滤波：解决卷积失真中的数据类型与归一化挑战

import numpy as np
from scipy.io import wavfile
import sounddevice as sd

# 1. 加载音频文件
samplerate, data = wavfile.read('sample.wav')

# 2. 将音频数据转换为float64类型，以避免卷积过程中的精度损失和溢出
# 注意：int16的最大值为32767，这里将其转换为float64，保留原始幅度信息
data_float = np.float64(data)

# 3. 定义滤波器参数和计算频率响应
w0 = 2 * np.pi * 170  # 截止频率 (1/RC)
f = np.fft.fftfreq(len(data_float), d=1 / samplerate) # 注意这里使用data_float的长度

# 一阶低通滤波器的频率域传递函数
transfer = w0 / (1j * 2 * np.pi * f + w0)

# 4. 计算滤波器的脉冲响应 (逆傅里叶变换)
impulse_response = np.fft.ifft(transfer)

# 5. 执行卷积操作
# mode='same' 确保输出信号与输入信号长度相同
filtered_signal_float = np.convolve(data_float, impulse_response, mode='same')

# 6. 取实部，因为脉冲响应可能包含微小的虚部（数值误差）
filtered_signal_real = filtered_signal_float.real

# 7. 检查饱和/削波：确保滤波后的信号幅值在int16的有效范围内
# 如果不进行此检查，直接转换可能导致严重失真
max_int16_val = 2**15 - 1
min_int16_val = -2**15

# 确保信号没有超过int16的范围，如果超过，可以进行缩放
# 这里我们先断言，如果超出则程序会报错，提示需要处理缩放
# 实际应用中，你可能需要根据最大值进行归一化或削波处理
# assert np.all(abs(filtered_signal_real) < max_int16_val), "Filtered signal exceeds int16 range, consider scaling."

# 示例：如果超出范围，进行简单的削波处理（或归一化）
# 为了避免削波，更推荐整体归一化
if np.max(abs(filtered_signal_real)) > max_int16_val:
    print("Warning: Filtered signal exceeds int16 range. Normalizing to prevent clipping.")
    # 归一化到-1.0到1.0，然后乘以max_int16_val
    filtered_signal_real = filtered_signal_real / np.max(abs(filtered_signal_real)) * max_int16_val

# 8. 将浮点数结果转换回int16类型，以便播放
filtered_signal_int16 = np.int16(filtered_signal_real)

# 9. 播放处理后的音频
sd.play(filtered_signal_int16, samplerate)
sd.wait()

print("Audio filtering complete and played.")

import numpy as np
from scipy.io import wavfile
import sounddevice as sd

samplerate, data = wavfile.read('sample.wav')
data_float = np.float64(data) # 转换为浮点数进行卷积

w0 = 2 * np.pi * 170
f = np.fft.fftfreq(len(data_float), d=1 / samplerate)
transfer = w0 / (1j * 2 * np.pi * f + w0)
impulse_response = np.fft.ifft(transfer)

filtered_signal_float = np.convolve(data_float, impulse_response, mode='same')
filtered_signal_real = filtered_signal_float.real

# 直接归一化到 -1.0 到 1.0 的范围，然后播放
# sounddevice 会正确处理归一化后的浮点数
normalized_signal = filtered_signal_real / np.max(abs(filtered_signal_real))

sd.play(normalized_signal, samplerate)
sd.wait()

print("Audio filtering complete and played with normalization.")