Question

我有2个不同麦克风的同一信号的两个录音（例如，WAV格式），但其中一个录音有延迟，例如几秒钟。

在某种波形观察器中查看这些信号时，很容易直观地识别出这种延迟 - 即只是发现每个信号中的第一个可见峰值，并确保它们的形状相同：

http://www.greycat.ru/temp/time-delay-peaks.png

但是我如何以编程方式进行 - 找出这个延迟（t）是什么？两个数字化信号略有不同（因为麦克风不同，由于ADC设置等原因位于不同位置）。

我已经挖了一下，发现这个问题通常被称为“时间延迟估计”，它有无数的方法 - 例如，one of them。

但是有没有简单的现成解决方案，例如命令行实用程序，库或直接算法？

结论：我发现没有简单的实现，并且自己完成了一个简单的命令行实用程序 - 可在https://bitbucket.org/GreyCat/calc-sound-delay获得（GPLv3许可）。它实现了Wikipedia中描述的非常简单的最大搜索算法。

Answer 1

您正在寻找的技术称为cross correlation。这是一种非常简单的，如果有点计算密集型技术，可用于解决各种问题，包括测量两个相似信号之间的时间差（又名 lag ）（信号不需要相同）。

如果您对滞后值（或至少是预期的滞后值范围）有一个合理的概念，那么您可以大大减少计算总量。同上，如果你能对你需要的准确度有明确的限制。

Answer 2

非常直接的事情就是检查峰值是否超过某个阈值，A线上的高峰值和B线上的高峰值之间的时间可能是您的延迟。只是尝试修改一下阈值，如果图表通常和你发布的图片一样清晰，那么你应该没问题。

Answer 3

遇到了同样的问题并且没有成功找到一个工具来自动同步视频/音频录制的开始，我决定制作syncstart (github)。

它是一个命令行工具。它背后的基本代码是这样的：

import numpy as np
from scipy import fft
from scipy.io import wavfile
r1,s1 = wavfile.read(in1)
r2,s2 = wavfile.read(in2)
assert r1==r2, "syncstart normalizes using ffmpeg"
fs = r1
ls1 = len(s1)
ls2 = len(s2)
padsize = ls1+ls2+1
padsize = 2**(int(np.log(padsize)/np.log(2))+1)
s1pad = np.zeros(padsize)
s1pad[:ls1] = s1
s2pad = np.zeros(padsize)
s2pad[:ls2] = s2
corr = fft.ifft(fft.fft(s1pad)*np.conj(fft.fft(s2pad)))
ca = np.absolute(corr)
xmax = np.argmax(ca)
if xmax > padsize // 2:
    file,offset = in2,(padsize-xmax)/fs
else:
    file,offset = in1,xmax/fs

两个音频信号之间的时间延迟估计

3 个答案: