質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.10%

wavファイル(4ch,24bit)の波形データの可視化がしたい

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 3
  • VIEW 1,400

score 13

実現したいこと

音波測定機器から吐き出した.wav形式の波形データをpythonで開き、波形のグラフを得たいです。

やったこと

下記リンク「waveモジュールで24bitの音声ファイルを読みたい」項を参考にしながら、ファイルを開いてデータの形式を確認するところまではいきました。
参考リンク
測定データの形式
・チャンネル数:4ch(4つのセンサーから波形データを同時に測定している)
・サンプル幅:3(つまり24bitデータ?)
・フレームレート:51200
・データ数:任意

教えていただきたいこと

4ch 24bitのデータから、4つの波形データのグラフを得たいのですが、データの構造がよくわからなく、下記の部分で手が止まっております。

■ いろいろ調べてみましたが下記の文章がよく理解できませんでした。おそらくバイナリファイル?機械語?のような話を理解していた方がよいのでしょうか?素人にもわかるような説明もしくは参考文献などご教示いただけますでしょうか。(「特に3byteずつ読み込む 0を詰める」の意味がわからない)

24bit音源の場合はfrombufferで24bitが指定できないため自力で読む必要があります。ここでは下記のコードのようにstructモジュールのunpackを用いて3byteずつ読み込みつつ、0を詰めてint32としてunpackすることで24bit音源の読み込みを実現しています。

■ その他コード中のわからなかった部分をコメントで記述しました。質問要旨がまとまっておらず申し訳ありませんが、
教えていただけますと幸いです。

buf = fp.readframes(nframe * nchan) # ←なぜチャンネル数をかけているのでしょうか?
    fp.close()

    read_sec = 40
    read_sample = read_sec * nchan * fs # ←なぜチャンネル数をかけているのでしょうか?
    print("read {0} second (= {1} frame)...".format(read_sec,
                                                    read_sample))
    unpacked_buf = [unpack("<i",
                           bytearray([0]) + buf[nbyte * i:nbyte * (i + 1)])[0]
                    for i in range(read_sample)]

    # ndarray化
    ndarr_buf = np.array(unpacked_buf)

    # -1.0〜1.0に正規化    ←正規化とは何のためにするのでしょうか?
    float_buf = np.where(ndarr_buf > 0,
                         ndarr_buf / (2.0 ** 31 - 1),
                         ndarr_buf / (2.0 ** 31))

    # interleaveを解く(ステレオ音源の場合)
    wav_l = float_buf[::2]  # ステレオ(2ch)なので2つデータを取得しているのは理解しました。しかしなぜ一つのデータからステップでスライスしているのでしょうか?
    wav_r = float_buf[1::2] # どのようなデータ構造をしているか、4chの場合はどのようにすべきか教えていただけますでしょうか
    time = np.arange(np.alen(wav_l)) / fs

質問の要旨がまとまっておらず申し訳ありません。
素人質問で申し訳ありませんが、教えていただけると嬉しいです。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+3

wavファイルのデータ部のバイト構造は

1バイト目 1チャンネルの1つ目のデータの下位バイト
2バイト目 1チャンネルの1つ目のデータの中間バイト
3バイト目 1チャンネルの1つ目のデータの上位バイト
4バイト目 2チャンネルの1つ目のデータの下位バイト
5バイト目 2チャンネルの1つ目のデータの中間バイト
6バイト目 2チャンネルの1つ目のデータの上位バイト
7バイト目 3チャンネルの1つ目のデータの下位バイト
8バイト目 3チャンネルの1つ目のデータの中間バイト
9バイト目 3チャンネルの1つ目のデータの上位バイト
10バイト目 4チャンネルの1つ目のデータの下位バイト
11バイト目 4チャンネルの1つ目のデータの中間バイト
12バイト目 4チャンネルの1つ目のデータの上位バイト
13バイト目 1チャンネルの2つ目のデータの下位バイト
14バイト目 1チャンネルの2つ目のデータの中間バイト
15バイト目 1チャンネルの2つ目のデータの上位バイト
16バイト目 2チャンネルの2つ目のデータの下位バイト
17バイト目 2チャンネルの2つ目のデータの中間バイト
18バイト目 2チャンネルの2つ目のデータの上位バイト
...

このデータより3バイトずつバイナリーデータを数値データに変換して

1 1チャンネルの1つ目の数値データ
2 2チャンネルの1つ目の数値データ
3 3チャンネルの1つ目の数値データ
4 4チャンネルの1つ目の数値データ
5 1チャンネルの2つ目の数値データ
6 2チャンネルの2つ目の数値データ
...

のような配列を作成するのですが、バイトデータを数値データに変換するunpack()関数は残念ながら1バイト、2バイト、4バイト、8バイトのバイナリーデータには対応しているのですが、3バイトのデータには対応しておりません。

そこで3バイトを読み込んだ後に最下位に 0x00 データを埋めて

上位バイト 中間バイト 下位バイト 00000000

を4バイトデータとして数値に変換する処理(unpack)を行っているということです。

実際の処理としては、バイナリーデータは下位バイトが先頭にくる"リトルエンディアン"という並びになっておりますので、バイトデータの先頭に0x00を付加したのちに unpack() を行う処理をおこなっております。

その他

正規化とは何のためにするのでしょうか?

上記のように24bitのデータ(実際は0埋めされて32bitデータ)から数値に変換すると-2147483648 〜 2147483647 の値が得られますので、これを -1 ~ 1 の振幅のデータに変換を行っております。 

interleaveを解く(ステレオ音源の場合)の箇所

数値データの配列は、4チャンネルのデータが交互に構成されておりますので、これをチャンネル毎に分割しているだけです。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/01/10 18:26 編集

    回答ありがとうございます。
    おかげさまで不明点がかなり解消し、データの見え方が変わりました。
    丁寧に教えていただき大変助かりました。

    もしご存じでしたら、新たに浮かんだ疑問にもお答え願えますでしょうか?
    センサから受け取った電圧値をバイナリデータに変換して.wavとして保存しているはずなので、
    グラフ化するには バイナリデータ→正規化した振幅値→電圧値
    という処理過程が必要かと考えております。
    正規化振幅値→電圧値
    の変換には何かしらの係数をかける必要があると思うのですが、
    ここにはどういった数字をかけるべきでしょうか?
    (teratailでするべき質問ではないかもしれません。申し訳ありません)

    キャンセル

  • 2020/01/10 19:06

    使用している音波測定機器の入力レンジの仕様によるかとおもいます。
    測定器の取説に書かれてるのではないでしょうか。

    キャンセル

  • 2020/01/10 21:55

    いろいろと教えていただきありがとうございました。
    説明書含めもっと調べてみます。
    大変参考になりました。

    キャンセル

0

 # ←なぜチャンネル数をかけているのでしょうか?

そりゃチャンネル数分の音声データがフレーム分並んでるからでしょう。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.10%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る