问题描述
我想在每个 1024 个样本的连续块/时间帧上应用 FIR 或 IIR 滤波器(例如:低通滤波器)。
可能的应用:
实时音频处理,例如 EQing。 在精确的时间,我们在缓冲区中只有接下来的 1024 个样本。 下一个要处理的样本尚不可用(实时)。
如所建议的,通过将输入信号分成块来制作截止时变滤波器。
我在这里尝试过:
import numpy as np
from scipy.io import wavfile
from scipy.signal import butter, lfilter, filtfilt, firwin
sr, x = wavfile.read('input.wav')
x = np.float32(x)
y = np.zeros_like(x)
N = 1024 # buffer block size = 23ms for a 44.1 Khz audio file
f = 1000 # cutoff
pos = 0 # position
while True:
b, a = butter(2, 2.0 * f / sr, btype='low')
y[pos:pos+N] = filtfilt(b, a, x[pos:pos+N])
pos += N
f -= 1 # cutoff decreases of 1 hz every 23 ms, but the issue described here also present with constant cutoff!
print f
if pos+N > len(x):
break
y /= max(y) # normalize
wavfile.write('out_fir.wav', sr, y)
我试过:
都使用巴特沃斯滤波器或 FIR(用
b, a = firwin(1000, cutoff=f, fs=sr), 1.0
替换之前的行)使用和 (后者具有向前和向后应用过滤器的优势,这解决了相位问题),
但问题是:
在每个时间帧的输出边界处,存在连续性问题,导致音频信号严重失真。
如何解决这个不连续问题? 我想过 windowing+OverlapAdd 方法,但肯定有更简单的方法。
1楼
正如@sobek 在评论中提到的,当然需要指定初始条件以允许连续性。
这是通过lfilter
的zi
参数lfilter
。
问题是通过更改主循环来解决的:
while True:
b, a = butter(2, 2.0 * f / sr, btype='low')
if pos == 0:
zi = lfilter_zi(b, a)
y[pos:pos+N], zi = lfilter(b, a, x[pos:pos+N], zi=zi)
pos += N
f -= 1
if pos+N > len(x):
break
即使在每次迭代时修改过滤器的截止(以及因此a
和b
),这似乎也有效。