Question

从earlier question开始，我的目标是从C＃中检测WAV文件中的DTMF音调。但是，我真的很难理解如何做到这一点。

我理解DTMF使用频率组合，并且可以使用Goertzel算法......不知何故。我抓住了一个Goertzel代码片段，我尝试将.WAV文件推入其中（使用NAudio读取文件，这是一个8KHz单声道16位PCM WAV）：

 using (WaveFileReader reader = new WaveFileReader(@"dtmftest_w.wav"))
  {
      byte[] buffer = new byte[reader.Length];

      int read = reader.Read(buffer, 0, buffer.Length);
      short[] sampleBuffer = new short[read/2];
      Buffer.BlockCopy(buffer, 0, sampleBuffer, 0, read/2);
      Console.WriteLine(CalculateGoertzel(sampleBuffer,8000,16));                 
   }

 public static double CalculateGoertzel(short[] sample, double frequency, int samplerate)
   {
      double Skn, Skn1, Skn2;
      Skn = Skn1 = Skn2 = 0;
      for (int i = 0; i < sample.Length; i++)
         {
            Skn2 = Skn1;
            Skn1 = Skn;
            Skn = 2 * Math.Cos(2 * Math.PI * frequency / samplerate) * Skn1 - Skn2 + sample[i];
         }
      double WNk = Math.Exp(-2 * Math.PI * frequency / samplerate);
      return 20 * Math.Log10(Math.Abs((Skn - WNk * Skn1)));
    }

我知道我在做什么是错的：我认为我应该遍历缓冲区，并且一次只计算一小块的Goertzel值 - 这是正确的吗？

其次，我真的不明白Goertzel方法的输出告诉我的是：我得到一个双（例如：210.985812）返回，但我不知道将其等同于存在和音频文件中DTMF音的值。

我到处寻找答案，包括this回答中引用的库;遗憾的是，代码here似乎不起作用（如网站上的评论中所述）。 TAPIEx提供了一个商业图书馆;我已经尝试了他们的评估库，它完全符合我的需要 - 但他们没有回复电子邮件，这让我对实际购买他们的产品持谨慎态度。

我很清楚我正在寻找答案，或许我不知道确切的问题，但最终我需要的是一种在.WAV文件中找到DTMF音调的方法。我是在正确的路线，如果没有，任何人都能指出我正确的方向吗？

编辑：使用@Abbondanza的代码作为基础，并且（可能是从根本上错误的）假设我需要滴入音频文件的小部分，我现在有了这个（非常粗糙，证明 - - 仅限概念）代码：

const short sampleSize = 160;

using (WaveFileReader reader = new WaveFileReader(@"\\mac\home\dtmftest.wav"))
        {           
            byte[] buffer = new byte[reader.Length];

            reader.Read(buffer, 0, buffer.Length);

            int bufferPos = 0;

            while (bufferPos < buffer.Length-(sampleSize*2))
            {
                short[] sampleBuffer = new short[sampleSize];
                Buffer.BlockCopy(buffer, bufferPos, sampleBuffer, 0, sampleSize*2);


                var frequencies = new[] {697.0, 770.0, 852.0, 941.0, 1209.0, 1336.0, 1477.0};

                var powers = frequencies.Select(f => new
                {
                    Frequency = f,
                   Power = CalculateGoertzel(sampleBuffer, f, 8000)              
                });

                const double AdjustmentFactor = 1.05;
                var adjustedMeanPower = AdjustmentFactor*powers.Average(result => result.Power);

                var sortedPowers = powers.OrderByDescending(result => result.Power);
                var highestPowers = sortedPowers.Take(2).ToList();

                float seconds = bufferPos / (float)16000;

                if (highestPowers.All(result => result.Power > adjustedMeanPower))
                {
                    // Use highestPowers[0].Frequency and highestPowers[1].Frequency to 
                    // classify the detected DTMF tone.

                    switch (Convert.ToInt32(highestPowers[0].Frequency))
                    {
                        case 1209:
                            switch (Convert.ToInt32(highestPowers[1].Frequency))
                            {
                                case 697:
                                    Console.WriteLine("1 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 770:
                                    Console.WriteLine("4 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 852:
                                    Console.WriteLine("7 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 941:
                                    Console.WriteLine("* pressed at " + bufferPos);
                                    break;
                            }
                            break;
                        case 1336:
                            switch (Convert.ToInt32(highestPowers[1].Frequency))
                            {
                                case 697:
                                    Console.WriteLine("2 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 770:
                                    Console.WriteLine("5 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 852:
                                    Console.WriteLine("8 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 941:
                                    Console.WriteLine("0 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                            }
                            break;
                        case 1477:
                            switch (Convert.ToInt32(highestPowers[1].Frequency))
                            {
                                case 697:
                                    Console.WriteLine("3 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 770:
                                    Console.WriteLine("6 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 852:
                                    Console.WriteLine("9 pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                                case 941:
                                    Console.WriteLine("# pressed at " + bufferPos + " (" + seconds + "s)");
                                    break;
                            }
                            break;
                    }
                }
                else
                {
                    Console.WriteLine("No DTMF at " + bufferPos + " (" + seconds + "s)");
                }
                bufferPos = bufferPos + (sampleSize*2);
            }

这是在Audacity中查看的示例文件;我添加了按下的DTMF按键 -

和... 几乎有效。从上面的文件中，我几乎不会看到任何DTMF，但是，我的代码报告：

9 pressed at 1920 (0.12s)
1 pressed at 2880 (0.18s)
* pressed at 3200
1 pressed at 5120 (0.32s)
1 pressed at 5440 (0.34s)
7 pressed at 5760 (0.36s)
7 pressed at 6080 (0.38s)
7 pressed at 6720 (0.42s)
5 pressed at 7040 (0.44s)
7 pressed at 7360 (0.46s)
7 pressed at 7680 (0.48s)
1 pressed at 8000 (0.5s)
7 pressed at 8320 (0.52s)

...直到它达到3秒，然后它开始稳定回答：1被按下了：

7 pressed at 40000 (2.5s)
# pressed at 43840 (2.74s)
No DTMF at 44800 (2.8s)
1 pressed at 45120 (2.82s)
1 pressed at 45440 (2.84s)
1 pressed at 46080 (2.88s)
1 pressed at 46720 (2.92s)
4 pressed at 47040 (2.94s)
1 pressed at 47360 (2.96s)
1 pressed at 47680 (2.98s)
1 pressed at 48000 (3s)
1 pressed at 48960 (3.06s)
4 pressed at 49600 (3.1s)
1 pressed at 49920 (3.12s)
1 pressed at 50560 (3.16s)
1 pressed at 51520 (3.22s)
1 pressed at 52160 (3.26s)
4 pressed at 52480 (3.28s)

如果我将AdjustmentFactor提升到1.2以上，我几乎得不到任何检测。

我觉得我差不多了，但有人能看到我错过了什么吗？

EDIT2：上面的测试文件可用here。上例中的adjustedMeanPower为47.6660450354638，权力为：

Answer 1

CalculateGoertzel()会返回所提供样本中所选频率的 power 。

为每个DTMF频率（697,770,852,941,1209,1336和1477 Hz）计算此功率，对得到的功率进行排序并选择最高的两个。如果两者都高于某个阈值，则检测到DTMF音调。

您使用的阈值取决于样品的信噪比（SNR）。首先，应该足以计算所有Goerzel值的平均值，将平均值乘以一个因子（例如2或3），并检查两个最高的Goerzel值是否高于该值。

这是一个代码片段，用更正式的方式表达我的意思：

var frequencies = new[] {697.0, 770.0, 852.0, 941.0, 1209.0, 1336.0, 1477.0};

var powers = frequencies.Select(f => new
{
    Frequency = f,
    Power = CalculateGoerzel(sample, f, samplerate)
});

const double AdjustmentFactor = 1.0;
var adjustedMeanPower = AdjustmentFactor * powers.Average(result => result.Power);

var sortedPowers = powers.OrderByDescending(result => result.Power);
var highestPowers = sortedPowers.Take(2).ToList();

if (highestPowers.All(result => result.Power > adjustedMeanPower))
{
    // Use highestPowers[0].Frequency and highestPowers[1].Frequency to 
    // classify the detected DTMF tone.
}

从AdjustmentFactor的{{1}}开始。如果您从测试数据中得到误报（即您在不应该是任何DTMF音调的样本中检测到DTMF音调），请继续增加它，直到误报停止为止。

更新＃1

我在wave文件上尝试了你的代码并调整了一些内容：

我在Goertzel计算之后实现了可枚举（对性能很重要）：

1.0

我没有使用调整后的平均值进行阈值处理。我刚用var powers = frequencies.Select(f => new { Frequency = f, Power = CalculateGoertzel(sampleBuffer, f, 8000) // Materialize enumerable to avoid multiple calculations. }).ToList();作为阈值：

100.0

我将样本量增加了一倍（我相信您使用了if (highestPowers.All(result => result.Power > 100.0)) { ... }）：

我修复了你的DTMF分类。我使用嵌套字典来捕获所有可能的情况：

int sampleSize = 160 * 2;

然后通过以下方式检索电话密钥：

var phoneKeyOf = new Dictionary<int, Dictionary<int, string>>
{
    {1209, new Dictionary<int, string> {{1477, "?"}, {1336, "?"}, {1209, "?"}, {941, "*"}, {852, "7"}, {770, "4"}, {697, "1"}}},
    {1336, new Dictionary<int, string> {{1477, "?"}, {1336, "?"}, {1209, "?"}, {941, "0"}, {852, "8"}, {770, "5"}, {697, "2"}}},
    {1477, new Dictionary<int, string> {{1477, "?"}, {1336, "?"}, {1209, "?"}, {941, "#"}, {852, "9"}, {770, "6"}, {697, "3"}}},
    { 941, new Dictionary<int, string> {{1477, "#"}, {1336, "0"}, {1209, "*"}, {941, "?"}, {852, "?"}, {770, "?"}, {697, "?"}}},
    { 852, new Dictionary<int, string> {{1477, "9"}, {1336, "8"}, {1209, "7"}, {941, "?"}, {852, "?"}, {770, "?"}, {697, "?"}}},
    { 770, new Dictionary<int, string> {{1477, "6"}, {1336, "5"}, {1209, "4"}, {941, "?"}, {852, "?"}, {770, "?"}, {697, "?"}}},
    { 697, new Dictionary<int, string> {{1477, "3"}, {1336, "2"}, {1209, "1"}, {941, "?"}, {852, "?"}, {770, "?"}, {697, "?"}}}
}

结果并不完美，但有些可靠。

更新＃2

我想我已经找到了问题所在，但现在无法自己尝试。您无法将目标频率直接传递给var key = phoneKeyOf[(int)highestPowers[0].Frequency][(int)highestPowers[1].Frequency];。必须将其标准化为以DFT箱为中心。在计算权力时尝试这种方法：

CalculateGoertzel()

此外，您必须使用var powers = frequencies.Select(f => new { Frequency = f, // Pass normalized frequenzy Power = CalculateGoertzel(sampleBuffer, Math.Round(f*sampleSize/8000.0), 8000) }).ToList();作为205，以便最大限度地减少错误。

更新＃3

我重新编写原型以使用NAudio的sampleSize接口，该接口返回范围[-1.0; 1.0]范围内的归一化样本值（ISampleProvider s）。我也从头开始重写了float。它仍然没有经过性能优化，但在频率之间提供了更多，更明显的功率差异。当我运行测试数据时，没有更多的误报。我强烈建议你看看它：http://pastebin.com/serxw5nG

更新＃4

我创建了一个GitHub project和two NuGet packages来检测实时（捕获）音频和预先录制的音频文件中的DTMF音调。

从WAV文件解码DTMF

1 个答案: