问题描述
使用“声音设备”库,我构建了一个python 3.7程序,该程序从音频设备接收缓冲区(512个样本),对其进行处理并将其发送到同一设备。 “音频设备”是一种声卡,因此可以连接麦克风,处理输入并将其处理后实时发送给扬声器。
该过程是立体声的(两个通道),我正在尝试使其更加高效。这是一个简单的低通滤波器。
接收缓冲区: 512个形状如下的样本:
[
[XLeft1,XRight1]
[XLeft2,XRight2]
...
[XLeft512,XRight512]
]
过程: 必须逐个样本进行采样,例如:[Xleft1,XLeft2,...,XLeft512],然后对Right通道相同。
缓冲区不足 必须与缓冲区中的相同。所以在这里,我需要做一些数据转换,尝试将其最小化。
最有效的CPU方式是什么?
我现在正在使用的代码:
def do_process(self,indata):
Y=[]
for i in range(0,len(indata[0])): #Two channels for stereo
v=indata[:,i]# i represent number of channel #v is the current channel
if i ==0:
current_chunk_filter=self.low_pass1.do_calculation(v)
if i==1:
current_chunk_filter=self.low_pass2.do_calculation(v)
Y.insert(i,current_chunk_filter)
outdata=list(map(list,zip(*Y)))# transpose the list
dimensioned_numpy_array = np.reshape(outdata,(int(len(outdata)),2)) #Makes the list vertical
return dimensioned_numpy_array
如何避免(或提高效率)从列表,转置,重塑等等?
解决方法
您的输出块不会更改大小,一次只能存在一个。因此,请对其进行预先分配,然后将输出数据直接放入正确的位置。
类似的东西:
channels = 2
samples = 512
out = numpy.zeros(shape=(samples,channels))
filters = [self.low_pass1,self.low_pass2]
def do_process(in,out):
for channel in range(in.shape[1]):
out[:,channel] = filter[channel].do_calculation(in[:,channel])