以下是基于Python的一个示例代码片段，它通过使用`scipy`、`numpy`库对`.wav`音频文件进行处理，包括基频提取（采用自相关法）以及简单的端点检测（去除空白段、无声段）。为了简化演示，假设输入的是单声道波形。 ```python import numpy as np from scipy.io import wavfile # 加载音频文件 def load_audio(file_path): """ 功能: 读取.wav文件，并返回采样率和数据数组。 参数: file_path (str): 音频文件路径。 返回值: rate (int): 采样频率。 data (ndarray): 声音信号的数据。 """ rate, data = wavfile.read(file_path) return rate, data # 自相关函数计算 def autocorrelation(data): """ 功能: 计算声音信号的自相关序列。 参数: data (ndarray): 输入的声音信号。 返回值: acf (ndarray): 自相关结果。 """ n = len(data) acf = np.correlate(data, data, mode='full')[-n:] / np.arange(n, 0, -1) return acf # 提取基频 def extract_f0(acf, sample_rate): """ 功能: 根据自相关结果估计基频F0。 参数: acf (ndarray): 自相关结果。 sample_rate (float): 采样率(Hz)。 返回值: f0 (float): 估算出的基频。 """ peak_index = np.argmax(acf[1:]) + 1 # 找到第一个峰值位置 period = peak_index / sample_rate # 时间周期(s) if period > 0: f0 = 1 / period # 转换为频率Hz else: f0 = None # 如果无法找到有效周期，则返回None return f0 # 端点检测算法 def endpoint_detection(data, threshold=5e2): """ 功能: 检测语音的有效部分，移除静默或噪声区域。 参数: data (ndarray): 原始声音信号。 threshold (float): 判断是否为静默的标准(能量阈值，默认设置)。 返回值: active_data (ndarray): 截断后的有效信号部分。 """ energy = np.sum(np.square(data)) # 总能量 segment_energy = [np.sum(np.square(data[i:i+100])) for i in range(len(data)-99)] # 分帧计算短时能量 start_idx = next((i for i, e in enumerate(segment_energy) if e >= threshold), 0) # 第一个大于阈值的位置作为起点 end_idx = max(i for i, e in enumerate(segment_energy[start_idx:], start=start_idx) if e >= threshold) + 100 # 最后一个小于阈值前结束 active_data = data[max(start_idx-480, 0):min(end_idx+480, len(data))] # 取包含上下文的一小段时间作为最终输出 return active_data if __name__ == "__main__": # 示例运行步骤 audio_file = "example.wav" # 替换成实际存在的WAV文件名 sr, signal = load_audio(audio_file) filtered_signal = endpoint_detection(signal.copy()) # 移除非活动区间的噪音/空白 corr_result = autocorrelation(filtered_signal) # 获取自相关的数值表示形式 fundamental_freq = extract_f0(corr_result, sr) # 得到基础频率信息 print(f"提取得到的基础频率(F0): {fundamental_freq} Hz") ``` ### 注释说明： 1. **加载音频**：利用SciPy直接从本地磁盘获取原始PCM编码样本； 2. **自相关运算**：这是用于发现周期性的关键数学工具之一，在这里我们选择“完整模式”卷积并归一化其结果便于后续分析； 3. **寻找主峰位次**：理论上首个显著正高峰对应最小重复间隔T_min即声带震动的基本单元长度t_vocal_fold； 4. **能级筛选机制**：针对每一段有限窗口内求平方累加值得出局部功率密度分布情况进而划定界限区分有用内容和其他干扰项；