背景我正在尝试验证通过RTP接收的音频数据与原始源相比的准确性。在我的系统中，音频由嵌入式平台设备播放，并通过网络发送给其他设备进行捕获和播放。其规格因单声道、立体声或环绕声音频而异，但采样率和位规格如下所示。
我现在使用的.wav文件包含正弦波规格，44.1千赫，440频率，1通道，16位PCM数据。我使用正弦波，所以它是干净的，易于分析。
使用下面的Python代码，我可以验证两个文件是否相同，因为它给出的alignment.distance是0.0
import librosa
import librosa.display
import matplotlib.pyplot as plt
from numpy.linalg import norm
from dtw import dtw
# Loading audio files
y1, sr1 = librosa.load("./test-audio-files/1kHz_44100Hz_16bit_05sec.wav")
y2, sr2 = librosa.load("./test-audio-files/received.wav")
# Computing MFCC values
mfcc1 = librosa.feature.mfcc(y1, sr1)
mfcc2 = librosa.feature.mfcc(y2, sr2)
alignment = dtw(mfcc1.T, mfcc2.T)
print("The normalized distance between the two : ", alignment.distance) # 0 for similar audiosQuery我想知道的是，如何验证正弦波的准确性？上述解决方案将工作，只要我确保我的源文件是完美的和准确的。如果源文件有任何问题，那么上述解决方案也会声称他们匹配。我现在玩的.wav文件，但它可以是任何文件，如mp3，mp4...
以下是我尝试检测的数据包丢失：
参考已从https://www.mediacollege.com/downloads/下载.wav文件
2条答案
按热度按时间ttvkxqim1#
如果您知道测试正弦波的频率，您可以通过数学方法生成一个完美的正弦波，对齐峰值，并比较偏移和振幅。如果您不知道测试的信号类型，但仍然想测试它是否是正弦波，您可以尝试使用回归法拟合正弦波。注意：较高的频率可能表现为（混淆）分组丢失，但实际上可能是源采样限制，即：以44 KHz采样的70 KHz信号。
6jjcrrmo2#
如果你想确保原始正弦波是准确的，一种方法是直接在python上生成正弦波，然后使用scipy的scipy.io.wavfile.write生成.wav文件。