### 使用 `scipy.signal` 库读取并归一化 WAV 文件 #### 1. ### 使用 `scipy.io.wavfile` 模块读取 WAV 文件 `scipy.io.wavfile` 提供了一个便捷的接口用于读取和写入 WAV 文件。通过该模块可以轻松提取音频数据及其采样率。 以下是具体实现代码： ```python from scipy.io import wavfile def read_wav_scipy(file_path): sample_rate, audio_data = wavfile.read(file_path) return sample_rate, audio_data ``` 在此过程中，`sample_rate` 表示音频的采样频率（单位为 Hz），而 `audio_data` 则包含了实际的音频样本值[^1]。 --- #### 2. ### 音频数据的归一化处理 由于 WAV 文件中的音频数据通常是整数形式存储（例如 16 位 PCM 编码），因此需要对其进行归一化以便于进一步分析或处理。归一化的目的是将音频幅值范围调整至 [-1, 1] 区间内。 假设输入音频数据为 16 位有符号整数，则可采用如下方法进行归一化： ```python import numpy as np def normalize_audio(audio_data): max_value = np.iinfo(np.int16).max # 获取 int16 的最大值 normalized_data = audio_data / max_value return normalized_data ``` 调用上述函数即可得到归一化后的音频数据。 --- #### 3. ### 完整流程演示 下面是一个完整的代码示例，展示如何使用 `scipy.io.wavfile` 读取 WAV 文件，并对其执行归一化操作： ```python from scipy.io import wavfile import numpy as np import matplotlib.pyplot as plt # 步骤 1: 读取 WAV 文件 file_path = 'example.wav' sample_rate, audio_data = wavfile.read(file_path) # 步骤 2: 归一化音频数据 if audio_data.dtype == np.int16: max_value = np.iinfo(np.int16).max else: raise ValueError("Unsupported data type for normalization") normalized_audio = audio_data / max_value # 步骤 3: 绘制原始与归一化后的波形对比图 time_axis = np.arange(len(audio_data)) / sample_rate plt.figure(figsize=(10, 6)) plt.subplot(2, 1, 1) plt.plot(time_axis, audio_data, color='blue') plt.title('Original Audio Signal') plt.xlabel('Time (s)') plt.ylabel('Amplitude') plt.subplot(2, 1, 2) plt.plot(time_axis, normalized_audio, color='green') plt.title('Normalized Audio Signal') plt.xlabel('Time (s)') plt.ylabel('Amplitude') plt.tight_layout() plt.show() ``` --- #### 4. ### 总结 通过结合 `scipy.io.wavfile` 和 NumPy 工具，可以高效地完成 WAV 文件的读取与归一化处理。这种方法适用于大多数标准格式的音频文件，并能很好地满足信号预处理需求[^3]。 --- ###