Python-示波器

Question

我正在尝试用python创建一个程序，该程序可以通过现场音频（通过麦克风）创建示波器

与普通示波器的区别在于，它仅显示一个波长，例如（期望的输出）：

这显示了三种不同的波长，以及它们在程序中的显示方式。

我到目前为止的进展：

1. 我创建了一个程序来显示图形并清除并重绘
2. 然后我创建了一个可以实时显示声音的程序（尽管它很慢，如果可能的话最好将其固定）

代码1：

import matplotlib.pyplot as plt
import time

plt.ion()

#y1 is the data
y1 = [0,0.309,0.587,0.809,0.951,1,0.951,0.809,0.587,0.309,0, -0.309, -0.587, -0.809, -0.951, -1, -0.951, -0.809, -0.587, -0.309, 0]

plt.plot(y1, 'r.-') #Graph with data
plt.plot([0 for _ in y1]) #Straight line at y=0

while True:
    #Update data to new data
    #y1 = new data
    plt.plot(y1, 'r.-') #Graph with data
    plt.plot([0 for _ in y1]) #Straight line at y=0
    plt.draw()
    plt.pause(0.5) #Time for one wave? Need some way to find this...
    plt.clf()

代码2：

import pyaudio
import numpy as np
import matplotlib.pyplot as plt
import time

RATE = 44100
CHUNK = int(RATE/20) # RATE / number of updates per second

def soundplot(stream):
    t1=time.time()
    data = np.fromstring(stream.read(CHUNK),dtype=np.int16)
    plt.pause(0.1) #To draw graph!
    plt.clf()
    plt.plot(data)
    plt.draw()
    plt.axis([0,len(data),-2**16/2,2**16/2])
    print("took %.02f ms"%((time.time()-t1)*1000))

if __name__=="__main__":
    p=pyaudio.PyAudio()
    stream=p.open(format=pyaudio.paInt16,channels=1,rate=RATE,input=True,
                  frames_per_buffer=CHUNK)
    for i in range(int(20*RATE/CHUNK)): #do this for 10 seconds
        soundplot(stream)
    stream.stop_stream()
    stream.close()
    p.terminate()

编辑：为了明确起见，我希望得到的结果是显示图片中所示的一个单一波长，而不是第二个代码产生的倍数

Answer 1

要显示单个波长，请先及时向前扫描，直到找到非负数据点。 （这将在第一次输入代码＃1中的数据时立即发生。）

然后继续及时向前扫描，并在连续采样之间保持增量。最初，随着曲线接近其最大值，增量（或离散导数）将为正，然后变为负值直到达到最小值，然后再次变为正值。

当遇到非负数据点并且增量为正时，停止及时向前扫描。到那时，您拥有一个完整的波长。

编辑：

如果您有大量数据，则可以跳过一些前导数据样本。这里的关键是我们要找到一个带正导数的零交叉，然后继续直到找到另一个带正导数的零交叉。因此，第一个决定应该既寻找非负数据点，又坚持正增量。

在存在噪声的情况下，我们可能会看到增量上的符号变化比波形周期更频繁。因此，第一步可能是找到一堆样本的最小值和最大值（暗含一个范围），然后选择任意阈值，例如min + .25 * range和min + .75 * range，记录第一个正零交叉点，等待要使信号超过高阈值，请等待其低于低阈值（在负零交叉之后），然后记录下一个正零交叉。这样可以估算波长。如果发现有帮助，请进行重复估算，并取一些方便的汇总，例如均值或（更好）中位数。

借助波长估计，您可以更好地评估一对正零交叉点看起来是“正确”还是由于噪声。拒绝对的距离比您的估计要紧密得多。您可能还会发现计算平滑的导数很方便，因此，您要对最后K个点（可能是其中的六个点）求平均值，而不是最后看到的两个点的增量（K = 2）。平均功能是一个低通滤波器，可以抑制高频噪声。