两个音频信号之间的时间延迟估计

Question

我有两个由 2 个不同麦克风（例如，WAV 格式）对同一信号的录音，但其中一个录音有延迟，例如几秒钟。

在某种波形查看器中查看这些信号时，很容易直观地识别出这种延迟 - 即只需在每个信号中发现第一个可见峰值并确保它们的形状相同：

_{（来源：greycat.ru）}

但是我该如何以编程方式进行 - 找出这个延迟 (t) 是什么？两个数字化信号略有不同（因为麦克风不同，位置不同，ADC 设置等原因）。

我已经挖掘了一下，发现这个问题通常被称为“时间延迟估计”，它有无数种方法来解决它 - 例如，one of them。

但是是否有任何简单且现成的解决方案，例如可用的命令行实用程序、库或直接算法？

结论：我没有找到简单的实现，我自己做了一个简单的命令行实用程序 - 可在 https://bitbucket.org/GreyCat/calc-sound-delay 获得（GPLv3 许可）。它实现了Wikipedia 中描述的一个非常简单的最大搜索算法。

Answer 1

您正在寻找的技术称为cross correlation。这是一种非常简单的，如果有点计算密集型技术，可用于解决各种问题，包括测量两个相似信号之间的时间差（又名 lag）（信号不需要相同）。

如果您对滞后值（或至少预期的滞后值范围）有一个合理的了解，那么您可以大大减少总计算量。如果您可以明确限制所需的准确度，则同上。

Answer 2

要做的一件非常简单的事情就是检查峰值是否超过某个阈值，A 线的高峰和 B 线的高峰之间的时间可能是您的延迟。只需尝试修改阈值，如果图表通常与您发布的图片一样清晰，那么您应该没问题。

Answer 3

遇到同样的问题，但没有成功找到自动同步视频/音频录制开始的工具， 我决定制作syncstart (github)。

它是一个命令行工具。其背后的基本代码是这样的：

import numpy as np
from scipy import fft
from scipy.io import wavfile
r1,s1 = wavfile.read(in1)
r2,s2 = wavfile.read(in2)
assert r1==r2, "syncstart normalizes using ffmpeg"
fs = r1
ls1 = len(s1)
ls2 = len(s2)
padsize = ls1+ls2+1
padsize = 2**(int(np.log(padsize)/np.log(2))+1)
s1pad = np.zeros(padsize)
s1pad[:ls1] = s1
s2pad = np.zeros(padsize)
s2pad[:ls2] = s2
corr = fft.ifft(fft.fft(s1pad)*np.conj(fft.fft(s2pad)))
ca = np.absolute(corr)
xmax = np.argmax(ca)
if xmax > padsize // 2:
    file,offset = in2,(padsize-xmax)/fs
else:
    file,offset = in1,xmax/fs