Swift - 读取两个音频文件并计算它们的互相关

问题描述

(我使用 this 作为阅读文件参考,this 作为缺少实现的 Objective-C 线索,this 作为我见过的最接近的实现到目前为止,在 Objective-C 中。)

我正在尝试根据 Swift Playgrounds 中的两个音频数组计算得到一个互相关数组。

我正在尝试执行的步骤(我在 Python 中轻松完成,使用 scipy.signal.correlate)是,按以下顺序:

  • 读取音频文件(作为两个 Float 数组)和采样率(类似 Int)。如果它们是立体声,我只从两个通道中选择一个通道。
  • 在较短数组的末尾附加一个零填充,因此两个数组将具有相同的长度。这是必要的步骤。
  • 使用 Accelerate 库并计算与 DSP function 的互相关。
  • 在相关数组中找到与最高系数(或相关数组中的“峰值”值)相关联的样本,并计算:
sample_index = max_index - (array_length / 2)
delay_in_seconds = sample_index / sample_rate

下面是我到目前为止所做的工作,但我被困在相关函数中。我不知道如何调用 vDSP_convcorrelate

就我个人而言,我更喜欢 vDSP_conv,因为它与较旧的 Apple 设备兼容,但实现一个工作脚本已经很好了。我什至不知道如何通过模拟数组调用 vDSP 函数,更不用说从音频文件获取的数组了。

此外,关于滑动信号的方向,卷积和相关之间存在概念差异。我不确定如何在 vDSP_conv 函数中处理这个选项,我想我应该将 __IF 参数作为 -1 传递。

import AVFoundation
import Accelerate

enum ExampleError: Error {
    case mismatchingSampleRates
}

enum TestError: Error {
    case delayCalculationError
    case zeroPaddingError
}

func main() {
    let time_delay: Float = try! get_delay(filename_1: "metronome",extension_1: ".aif",filename_2: "metronome_100ms_delay",extension_2: ".aiff")
    print(time_delay)
}

func get_delay(filename_1: String,extension_1: String,filename_2: String,extension_2: String) throws -> Float {
    var (audio_1,sr_1) = readAudio(filename: filename_1,file_extension: extension_1)
    var (audio_2,sr_2) = readAudio(filename: filename_2,file_extension: extension_2)
    
    if (sr_1 != sr_2) {
        throw ExampleError.mismatchingSampleRates
    }
    (audio_1,audio_2) = append_zeros_at_shortest(audio_1,audio_2)
    let correlation_array: [Float] = [0,10,20,30,40,41,0] //mock value
    return get_time_at_peak(correlation_array,sample_rate: 1) // mock sample rate
    }

func readAudio(filename: String,file_extension: String) -> ([Float],Int) {
    let audioUrl = Bundle.main.url(forResource: filename,withExtension: file_extension)!
    let audioFile = try! AVAudioFile(forReading: audioUrl)
    let audioFileFormat = audioFile.processingFormat
    let audioFileSize = UInt32(audioFile.length)
    let audioBuffer = AVAudioPCMBuffer(pcmFormat: audioFileFormat,frameCapacity: audioFileSize)!
    try! audioFile.read(into: audioBuffer) //not sure why to call this
    return (Array(UnsafeBufferPointer(start: audioBuffer.floatChannelData![0],count: Int(audioBuffer.frameLength))),Int(audioFile.fileFormat.sampleRate))
}

func append_zeros_at_shortest(_ audio_1: [Float],_ audio_2: [Float]) -> ([Float],[Float]) {
    if audio_1.count == audio_2.count {
        return (audio_1,audio_2)
    }
    if audio_1.count < audio_2.count {
        return (append_zeros(at: audio_1,new_len: audio_2.count),audio_2)
    }
    //if audio_2.count < audio_1.count ...
    return (audio_1,append_zeros(at: audio_2,new_len: audio_1.count))
}

func append_zeros(at old_array: [Float],new_len: Int) -> [Float] {
    var new_array = Array<Float>(repeating: 0,count: new_len)
    new_array[0..<old_array.count] = old_array[0..<old_array.count]
    return new_array
}

func get_time_at_peak(_ array: [Float],sample_rate sr: Int) -> Float {
    var center_index =  Float(array.count / 2)
    if array.count % 2 == 0 {
        center_index -= 0.5
    }
    let max_index = Float(array.indices.first{array[$0] == array.max()}!)
    return (max_index - center_index) / Float(sr)
}


func test_get_time_at_peak() throws -> Bool {
    if get_time_at_peak([0,50,0],sample_rate: 1) != 0 {
        throw TestError.delayCalculationError
    }
    if get_time_at_peak([0,51,sample_rate: 1) != 1 {
        throw TestError.delayCalculationError
    }
    if get_time_at_peak([0,sample_rate: 1) != -1 {
        throw TestError.delayCalculationError
    }
    if get_time_at_peak([0,sample_rate: 2) != 1 {
        throw TestError.delayCalculationError
    }
    if get_time_at_peak([0,sample_rate: 2) != 0.5 {
        throw TestError.delayCalculationError
    }
    if get_time_at_peak([0,10],sample_rate: 1) != 1.5 {
        throw TestError.delayCalculationError
    }
    return true
}

func test_append_zeros() throws -> Bool {
    let (v1,v2) = append_zeros_at_shortest([1,2,3],[10,50])
    if v1 != [1,3,0] {
        throw TestError.zeroPaddingError
    }
    if v2 != [10,50] {
        throw TestError.zeroPaddingError
    }
    return true
}

func call_tests() {
    try! test_get_time_at_peak()
    try! test_append_zeros()
}

call_tests()
main()

而不是模拟数组,我试图实现与:

var correlation_array: UnsafeMutablePointer<Float>
vDSP_conv(audio_1,1,audio_2,correlation_array,vDSP_Length(2 * audio_1.count - 1),vDSP_Length(audio_1.count))

但我在编译时遇到以下错误

无法将“UnsafeMutablePointer”类型的值转换为预期值 参数类型 '[Float]'

我也尝试过:

let correlation_array: [Float] = vDSP.correlate(audio_1,withKernel: audio_2)

但我在运行时遇到以下错误

错误:执行被中断,原因:EXC_BAD_INSTRUCTION(代码=EXC_I386_INVOP,子代码=0x0)。

这样,我得到一个空数组:

let correlation_array: [Float] = vDSP.correlate([0,withKernel: [0,10])

解决方法

在 Github 中搜索,我找到了下面的 implementation。我已经对其进行了测试,并在两次录音之间给了我 98.97 毫秒的延迟。根据 Audacity 探针,这大约是延迟值(99 毫秒)。

现在我可以看到我应该将指向结果 Float 数组的指针作为参数传递。

在下面的实现中还有一个零填充,所以 x 和 y 的长度相同。之后,x 在末尾和开头都被填充,因此它可以按照卷积运算背后的理论在 y 数组上移动。

// Cross-correlation of a signal [x],with another signal [y]. The signal [y]
// is padded so that it is the same length as [x].
public func xcorr(_ x: [Float],_ y: [Float]) -> [Float] {
    precondition(x.count >= y.count,"Input vector [x] must have at least as many elements as [y]")
    var yPadded = y
    if x.count > y.count {
        let padding = repeatElement(Float(0.0),count: x.count - y.count)
        yPadded = y + padding
    }
    
    let resultSize = x.count + yPadded.count - 1
    var result = [Float](repeating: 0,count: resultSize)
    let xPad = repeatElement(Float(0.0),count: yPadded.count-1)
    let xPadded = xPad + x + xPad
    vDSP_conv(xPadded,1,yPadded,&result,vDSP_Length(resultSize),vDSP_Length(yPadded.count))
    
    return result
}

相关问答

Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其...
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。...
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbc...