import wave #調用wave模塊
import matplotlib.pyplot as plt #調用matplotlib.pyplot模塊作為Plt
import numpy as np  #調用numpy模塊記作np
import scipy.signal as signal
import pyaudio

%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False  # 用來正常顯示符號

f = wave.open(r"C:\Users\zyf\Desktop\Jupyter\1.wav", "rb")#讀取語音文件
params = f.getparams() #返回音頻參數
nchannels, sampwidth, framerate, nframes = params[:4] #賦值聲道數，量化位數，采樣頻率，采樣點數
print(nchannels,sampwidth,framerate,nframes)# 輸出聲道數，量化位數，采樣頻率，采樣點數

str_data = f.readframes(nframes) # 讀取nframes個數據，返回字符串格式
f.close()
wave_data = np.frombuffer(str_data, dtype=np.short) # 將字符串轉換為數組，得到一維的short類型的數組
wave_data = wave_data * 1.0 / (max(abs(wave_data))) # 賦值的歸一化
time = np.arange(0, nframes) * (1.0 / framerate) # 最后通過采樣點數和取樣頻率計算出每個取樣的時間
# 整合左聲道和右聲道的數據,如果語音為雙通道語音，具體代碼需做調整
#wave_data = np.reshape(wave_data, [nframes, nchannels])
# wave_data.shape = (-1, 2)   # -1的意思就是沒有指定,根據另一個維度的數量進行分割
plt.figure() # 單通道語音波形圖
plt.plot(time, wave_data[:])
plt.xlabel("時間/s",fontsize=14)
plt.ylabel("幅度",fontsize=14)
plt.title("波形圖",fontsize=14)
plt.grid()  # 標尺

plt.tight_layout()  # 緊密布局
plt.show()

# 音頻的播放，本實驗使用pyaudio（代碼相對matlab較麻煩，后期簡化）
import pyaudio
import wave

chunk = 1024
wf = wave.open(r"C:\Users\zyf\Desktop\Jupyter\1.wav", 'rb')
p = pyaudio.PyAudio()

# 打開聲音輸出流
stream = p.open(format = p.get_format_from_width(wf.getsampwidth()),
                channels = wf.getnchannels(),
                rate = wf.getframerate(),
                output = True)

# 寫聲音輸出流到聲卡進行播放
while True:
    data = wf.readframes(chunk)
    if data == "":
        break
    stream.write(data)

stream.stop_stream()
stream.close()
p.terminate()   # 關閉PyAudio

# 音頻文件的寫入、存儲
# 使用wave庫，相關的庫還有librosa、scipy等，讀寫操作上的差異參閱博客： https://blog.csdn.net/weixin_38346042/article/details/119906391
import wave
import numpy as np
import scipy.signal as signal

framerate = 44100   # 采樣頻率
time = 10           # 持續時間

t = np.arange(0, time, 1.0/framerate)

# 調用scipy.signal庫中的chrip函數，
# 產生長度為10秒、取樣頻率為44.1kHz、100Hz到1kHz的頻率掃描波
wave_data = signal.chirp(t, 100, time, 1000, method='linear') * 10000

# 由于chrip函數返回的數組為float64型，
# 需要調用數組的astype方法將其轉換為short型。
wave_data = wave_data.astype(np.short)

# 打開WAV音頻用來寫操作
f = wave.open(r"sweep.wav", "wb")

f.setnchannels(1)           # 配置聲道數
f.setsampwidth(2)           # 配置量化位數
f.setframerate(framerate)   # 配置取樣頻率
comptype = "NONE"
compname = "not compressed"

# 也可以用setparams一次性配置所有參數
# outwave.setparams((1, 2, framerate, nframes,comptype, compname))

# 將wav_data轉換為二進制數據寫入文件
f.writeframes(wave_data.tobytes())
f.close()

# 加窗分幀（接上）
# 語音分幀、加窗
wlen=512 # 每幀信號長度
inc=128  # 幀移
signal_length=len(wave_data) #信號總長度
print(signal_length)
if signal_length<=wlen: #若信號長度小于一個幀的長度，則幀數定義為1
        nf=1
else:                 #否則，計算幀的總長度
        nf=int(np.ceil((1.0*signal_length-wlen+inc)/inc))   # nf 為幀數
# np.ceil向上取整，所以會導致實際分幀后的長度大于信號本身的長度，所以要對原來的信號進行補零
pad_length=int((nf-1)*inc+wlen) #所有幀加起來總的鋪平后的長度
zeros=np.zeros((pad_length-signal_length,)) #不夠的長度使用0填補，類似于FFT中的擴充數組操作
pad_signal=np.concatenate((wave_data,zeros)) #填補后的信號記為pad_signal
indices=np.tile(np.arange(0,wlen),(nf,1))+np.tile(np.arange(0,nf*inc,inc),(wlen,1)).T  #相當于對所有幀的時間點進行抽取，得到nf*wlen長度的矩陣
indices=np.array(indices,dtype=np.int32) #將indices轉化為矩陣
frames=pad_signal[indices] #得到幀信號,587*512的矩陣信號
#a=frames[30:31]
#print(frames.shape)
winfunc = signal.hamming(wlen) # 調用窗函數，本初以漢明窗為例
#print(winfunc.shape) 
win=np.tile(winfunc,(nf,1)) #窗函數為一維數組（512，），因此需要按照信號幀數進行變換得到（587*512）矩陣信號
#print(win.shape)
my = frames*win   # 這里的*指的是計算矩陣的數量積（即對位相乘）。
# python中矩陣運算分為兩種形式，一是np.array，而是np.matrix
# ----------------------------------
#  繪制分幀加窗后的圖像（接上）
# 因為分幀加窗后的信號為587*512的矩陣信號，為了繪圖，將其轉換為一維信號
t=my.flatten()  
t=t.T
print(t.shape)
time = np.arange(0, len(t)) * (1.0 / framerate)   # 調整時間軸
plt.figure()
plt.plot(time,t,c="g")
plt.grid()
plt.show()

import numpy as np
from scipy.io import wavfile
import matplotlib.pyplot as plt

%matplotlib inline
sampling_freq, audio = wavfile.read(r"C:\Users\zyf\Desktop\Jupyter\1.wav")   # 讀取文件

audio = audio / np.max(audio)   # 歸一化，標準化

# 應用傅里葉變換
fft_signal = np.fft.fft(audio)
print(fft_signal)

fft_signal = abs(fft_signal)
print(fft_signal)

# 建立時間軸
Freq = np.arange(0, len(fft_signal))

# 繪制語音信號的
plt.figure()
plt.plot(Freq, fft_signal, color='blue')
plt.xlabel('Freq (in kHz)')
plt.ylabel('Amplitude')
plt.show()

import wave
import matplotlib.pyplot as plt
import numpy as np

f = wave.open(r"C:\Users\zyf\Desktop\Jupyter\1.wav", "rb")
params = f.getparams()
nchannels, sampwidth, framerate, nframes = params[:4]
strData = f.readframes(nframes)#讀取音頻，字符串格式
waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為int
waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化
waveData = np.reshape(waveData,[nframes,nchannels]).T
f.close()

plt.specgram(waveData[0],Fs = framerate, scale_by_freq = True, sides = 'default')
plt.ylabel('Frequency(Hz)')
plt.xlabel('Time(s)')
plt.colorbar()
plt.show()