实时处理音频缓冲区-Python 3.7

如何解决实时处理音频缓冲区-Python 3.7

使用“声音设备”库，我构建了一个python 3.7程序，该程序从音频设备接收缓冲区（512个样本），对其进行处理并将其发送到同一设备。 “音频设备”是一种声卡，因此可以连接麦克风，处理输入并将其处理后实时发送给扬声器。

该过程是立体声的（两个通道），我正在尝试使其更加高效。这是一个简单的低通滤波器。

接收缓冲区： 512个形状如下的样本：

[
[XLeft1,XRight1]
[XLeft2,XRight2]
...
[XLeft512,XRight512]
]

过程： 必须逐个样本进行采样，例如：[Xleft1，XLeft2，...，XLeft512]，然后对Right通道相同。

缓冲区不足 必须与缓冲区中的相同。所以在这里，我需要做一些数据转换，尝试将其最小化。

最有效的CPU方式是什么？

我现在正在使用的代码：

def do_process(self,indata):
  Y=[]
  for i in range(0,len(indata[0])):                    #Two channels for stereo
      v=indata[:,i]# i represent number of channel     #v is the current channel 
      if i ==0:
       current_chunk_filter=self.low_pass1.do_calculation(v)   
      if i==1:
       current_chunk_filter=self.low_pass2.do_calculation(v)
      Y.insert(i,current_chunk_filter)
      
  outdata=list(map(list,zip(*Y)))# transpose the list
  dimensioned_numpy_array = np.reshape(outdata,(int(len(outdata)),2)) #Makes the list vertical
  return   dimensioned_numpy_array 

如何避免（或提高效率）从列表，转置，重塑等等？

解决方法

您的输出块不会更改大小，一次只能存在一个。因此，请对其进行预先分配，然后将输出数据直接放入正确的位置。

类似的东西：

channels = 2
samples = 512
out = numpy.zeros(shape=(samples,channels))
filters = [self.low_pass1,self.low_pass2]

def do_process(in,out):
  
  for channel in range(in.shape[1]):
     out[:,channel] = filter[channel].do_calculation(in[:,channel])