重新采样声音样本，我使用什么过滤器？答案

【问题标题】：Resampling a sound sample, what filter do I use?重新采样声音样本，我使用什么过滤器？
【发布时间】：2011-05-22 13:38:07
【问题描述】：

我正在尝试将信号（声音样本）从一个采样率重新采样到更高的采样率。不幸的是，它需要某种过滤器，因为似乎会出现一些“混叠”，而且我不熟悉过滤器。这是我想出的：

int i, j, a, b, z;

a = 44100;
b = 8363;

// upsample by a
for(i = z = 0; i < samplen; i++)
    for(j = 0; j < a; j++)
        cbuf[z++] = sampdata[i];

// some filter goes here???

// downsample by b
for(j = i = 0; i < z; i += b)
    buf[j++] = cbuf[i];

新样本与原始样本非常相似，但有一些噪音。你能告诉我我需要添加什么过滤器，最好是一些与该过滤器相关的代码？

原声：http://www.mediafire.com/?9gnga1in52d6t4x 重采样声音：http://www.mediafire.com/?x34h7ggk8n9k8z1

【问题讨论】：

从简单的线性插值开始：不要将cbuf[z] 设置为sampdata[i]，而是将其设置为sampdata[i] + (j/(double)a)(sampdata[i+1] - sampdata[i])。我对声音处理知之甚少，不知道这是否足够，但它会让你很忙，直到有人知道他们的东西:-)你可能还需要对下采样进行抗锯齿处理。

标签： c audio filter signal-processing sampling

【解决方案1】：

线性插值在这里工作得很好。问题在于作者的代码，它不是线性插值 - 它只是采用最接近的值，根本没有任何插值。

这是一个线性插值示例，源采样率 = 5，目标采样率 = 6

src val:    5    10   5    0    5    (this is our audio data, 5 samples)
src idx:    0    1    2    3    4    (source positions for 5 samples)

dst idx:    0   1   2   3   4   5    (destination positions for 6 samples)
dst val:    ?   ?   ?   ?   ?   ?

首先让我们计算比例因子：

scaleCF = srcSampleRate / dstSampleRate             = 0.83333334

让我们看看 dst[2] 对于 dst 索引 2，我们需要从 src[1] 和 src[2] 中参与让我们找到最近的源索引及其贡献系数：

idxD = (double)idx * cf;  = 0.833333334 * 2         = 1.6666668

a = (int)idxD = (int)(1.6666668)                    = 1
b = a + 1                                           = 2


bCF = idxD - a = 1.6666668 - 1                      = 0.6666668
aCF = 1.0 - bCF = 1.0 - 0.6666668                   = 0.3333332

res = (float)(aCF * Data[a] + bCF * Data[b])
    = 0.3333332 * 10 + 0.6666668 * 5                = 6.6666666

所以我们在位置 2 的目标值将是 6.6666666 算法可用于下采样/上采样。可能不是最有效的解决方案，也不是最准确的解决方案，但仍然易于实施并且效果很好。

【讨论】：

【解决方案2】：

在重新采样到较低的采样率之前，您必须对原始采样率进行低通滤波，低于采样率的 1/2 倍，否则您将引入失真伪影。对于超过采样率 1/2 的频率，频谱将自行折叠。因此，如果您想从 44100 重新采样到 11025，您必须在 11025 或 5500 Hz 的 1/2 处过滤 44100 低通滤波器，因为再现的忠实度会随着较低的带宽而降低，最好使用最大幅度（如 -10Db 的幅度）来执行此操作。对于带符号的 16 位，该值类似于 10^(-10/20)*2^(16-1) 或 10362 +/- 用于最大幅度。确切的算法可以在网上找到，因为这些旧的和基本的想法不应该有知识产权。在没有舍入双精度浮点进行所有计算之后，然后将结果四舍五入到它们正确的整数值，并在时间尺度上准确插值一组与另一组相交的位置。它需要相当大的想象力和记忆力以及以前的经验，然后将您带入数学家物理程序员的领域。 :-O :-)

【讨论】：

【解决方案3】：

我遇到过的最好的重采样代码：http://shibatch.sourceforge.net/

获取源代码，并尝试从中学习一些东西。它处于恶劣的状态，但该重采样器的结果远远高于其他一切。

【讨论】：

【解决方案4】：

直接使用 FFMpeg 和 avcodec。这是一个很好的例子，展示了如何做到这一点：

http://tdistler.com/projects/audio-resampling-with-ffmpeg

【讨论】：

【解决方案5】：

除非采样率（源和目标）都远高于数据中的最高频率，否则不要使用线性插值。这是一个很差的低通滤波器。

您需要的是一个内插低通滤波器，其阻带开始低于您正在处理的两个采样率中较低的一半。实现这一点的常用方法是使用 IIR 滤波器进行上采样/下采样，以及使用多相 FIR 滤波器。如果您不需要实时性能并且不想上采样/下采样，则窗口式 Sinc 插值器也适用于此。这是一个Windowed Sinc interpolating low-pass filter in Basic，转换成C应该很简单。

如果您想使用 IIR 过滤，这里是规范的 Cookbook for biquad IIR filters。

如果您想了解音频重采样理论的最佳解释，这里是Stanford CCRMA's Resampling page。

【讨论】：

谢谢。我对过滤器一无所知，但我确实需要运行时性能，因为我正在制作一种音乐播放器。老实说，我不认为从一种采样率转换为更高的采样率会这么复杂。
@X-N2O ：如果您希望结果听起来不错，这只会很复杂。 :)

【解决方案6】：

几个cmets，虽然我只是猜测你的实际意图：

您正在以原始采样率 44100 倍 的速率进行上采样。例如，如果您的输入是 10kHz，那么您的中间 cbuf[] 将是 441MHz，这对于大多数音频分析来说有点高。假设您希望 cbuf[] 的频率为 44100Hz，那么您只需在 cbuf[] 中创建 44100/OrigSampleRate 的样本 sampdata[] 中的每个样本。
您在上采样循环中将z 增加了两次。这导致cbuf[] 的所有奇数元素都具有其原始值。我相信这最终会导致最终的buf[] 包含无效的奇数元素，这可能是您噪音的来源。如果您创建的 cbuf 中的元素数量没有至少是所需数量的两倍，那么它还存在潜在的缓冲区溢出。
正如 Steve 所提到的，线性插值通常是最简单的，可以在上采样时产生良好的结果。如果需要，可以进行更复杂的上采样（多项式、样条等）。同样，在进行下采样时，您可能希望对样本进行平均而不是截断。

【讨论】：

哦，我没有注意到我将 z++ 增加了两次。感谢您指出这一点。

【解决方案7】：

您是否考虑过为此使用专门的库，例如 libsamplerate？

它非常便携，它是由知道如何正确执行此类操作的人开发的。即使你不直接使用它，你也可能会发现它实现的算法非常有趣。

【讨论】：

如果独立程序就足够了，SoX (sox.sourceforge.net) 是另一种选择。它内置了采样率转换。简单如sox file1 -r [newsamplerate] file2