python波形显示

A. 在python 中打开波形文件 ︰ 未知的格式 ︰ 49.究竟怎么了

投票
2
回答
1K
查看
我尝试打开波形文件与 wave模块，但是老是同样的错误我试着不管。 包含错误的行是以下 ︰
wav = wave.open(f)

这是错误消息 ︰
Traceback (most recent call last):
File "annotate.py", line 47, in <mole>
play(file)
File "annotate.py", line 33, in play
wav = wave.open(f)
File "C:\Program Files (x86)\Python\lib\wave.py", line 498, in open
return Wave_read(f)
File "C:\Program Files (x86)\Python\lib\wave.py", line 163, in __init__
self.initfp(f)
File "C:\Program Files (x86)\Python\lib\wave.py", line 143, in initfp
self._read_fmt_chunk(chunk)
File "C:\Program Files (x86)\Python\lib\wave.py", line 269, in _read_fmt_chunk
raise Error('unknown format: %r' % (wFormatTag,))
wave.Error: unknown format: 49

字符串 f是路径。WAV 文件，它工作在任何我的媒体播放器播放时。 我当然导入 wave的模块。 我试过 f，作为一个相对和绝对路径。 我试着用"wav"取代"WAV"。
错误什么导致的？
投票
Python 的波模块工作与特定类型的 WAV: PCM (WAVE_FORMAT_PCM: 0x0001)。
在您的情况下，您使用 WAV 类型 WAVE_FORMAT_GSM610[0x0031 = hex(49)].
你可以使用像大胆或者一些程序转换的编解码器，WAV 文件的类型更改为 lib。

B. 如何用Python显示出一维波动方程的动态图像

Python有一些绘图的功能，使用turtle模块。
在命令行输入
python.exe -m turtledemo
可以打开Python安装时，系统自带的一些演示程序。
感觉功能还是比较多的。
程序实现其实还是比较简单，主要是得搞懂倒是给的文献，还得跟导师交流如何演示出效果。

C. Python科学计算——任意波形拟合

任意波形的生成 (geneartion of arbitrary waveform) 在商业，军事等领域都有着重要的应用，诸如空间光通信 (free-space optics communication)， 高速信号处理 (high-speed signal processing)，雷达 (radar) 等。在任意波形生成后， 如何评估生成的任意波形 成为另外一个重要的话题。

假设有一组实验数据，已知他们之间的函数关系：y=f(x)，通过这些信息，需要确定函数中的一些参数项。例如，f 是一个线型函数 f(x)=k*x+b，那么参数 k 和 b 就是需要确定的值。如果这些参数用 p 表示的话，那么就需要找到一组 p 值使得如下公式中的 S 函数最小：

这种算法被称之为 最小二乘拟合 (least-square fitting)。scipy 中的子函数库 optimize 已经提供实现最小二乘拟合算法的函数 leastsq 。下面是 leastsq 函数导入的方式：

scipy.optimize.leastsq 使用方法

在 Python科学计算——Numpy.genfromtxt 一文中，使用 numpy.genfromtxt 对数字示波器采集的三角波数据导入进行了介绍，今天，就以 4GHz三角波 波形的拟合为案例介绍任意波形的拟合方法。

在 Python科学计算——如何构建模型？ 一文中，讨论了如何构建三角波模型。在标准三角波波形的基础上添加了 横向，纵向的平移和伸缩特征参数 ，最后添加了 噪声参数 模拟了三角波幅度参差不齐的随机性特征。但在波形拟合时，并不是所有的特征参数都要纳入考量，例如，噪声参数应是 波形生成系统 的固有特征，正因为它的存在使得产生的波形存在瑕疵，因此，在进行波形拟合并评估时，不应将噪声参数纳入考量，最终模型如下：

在调用 scipy.optimize.leastsq 函数时，需要构建误差函数：

有时候，为了使图片有更好的效果，需要对数据进行一些处理：

leastsq 调用方式如下：

合理的设置 p0 可以减少程序运行时间，因此，可以在运行一次程序后，用拟合后的相应数据对 p0 进行修正。

在对波形进行拟合后，调用 pylab 对拟合前后的数据进行可视化：

均方根误差 (root mean square error) 是一个很好的评判标准，它是观测值与真值偏差的平方和观测次数n比值的平方根，在实际测量中，观测次数n总是有限的，真值只能用最可信赖（最佳）值来代替.方根误差对一组测量中的特大或特小误差反映非常敏感，所以，均方根误差能够很好地反映出测量的精密度。

RMSE 用程序实现如下：

拟合效果，模型参数输出：

leastsq 函数适用于任何波形的拟合，下面就来介绍一些常用的其他波形：

D. python plt.plot怎么把图显示出来

1， 导入matplotlib.pyplot, numpy 包：
import numpy as np
import matplotlib.pyplot as plt

2，添加主题样式：
plt.style.use('mystyle')

3， 设置图的大小，添加子图：
fig = plt.figure(figsize=(5,5))
ax = fig.add_subplot(111)

4，绘制sin, cos：
x = np.arange(-np.pi, np.pi, np.pi / 100)
y1 = np.sin(x)
y2 = np.cos(x)
sin, = ax.plot(x, y1, color='red', label='sin')
cos, = ax.plot(x, y2, color='blue', label='cos')
ax.set_ylim([-1.2, 1.2])

第二种方式 拆分显示
sin_legend = ax.legend(handles=[sin], loc='upper right')
ax.add_artist(sin_legend)
ax.legend(handles=[cos], loc='lower right')

plt.show()
import numpy as np
import matplotlib.pyplot as plt

# 添加主题样式
plt.style.use('mystyle')

# 设置图的大小，添加子图
fig = plt.figure(figsize=(5,5))
ax = fig.add_subplot(111)

for color in ['red', 'green']:
n = 750
x, y = np.random.rand(2, n)
scale = 200.0 * np.random.rand(n)
ax.scatter(x, y, c=color, s=scale,
label=color, alpha=0.3,
edgecolors='none')
ax.legend()
ax.grid(True)
plt.show()

E. 利用python掌握雷克子波制作

# -*- coding: UTF-8 -*-

import wave

import numpy as np

import matplotlib.pyplot as plt

# 打开wav文件 ，open返回一个的是一个Wave_read类的实例，通过调用它的方法读取WAV文件的格式和数据。

f = wave.open(r"D:\project\REC001.wav","rb")

# 读取格式信息

# 一次性返回所有的WAV文件的格式信息，它返回的是一个组元(tuple)：声道数, 量化位数（byte单位）, 采

# 样频率, 采样点数, 压缩类型, 压缩类型的描述。wave模块只支持非压缩的数据，因此可以忽略最后两个信息

params = f.getparams()

[nchannels, sampwidth, framerate, nframes] = params[:4]

# 读取波形数据

# 读取声音数据，传递一个参数指定需要读取的长度（以取样点为单位）

str_data = f.readframes(nframes)

f.close()

# 将波形数据转换成数组

# 需要根据声道数和量化单位，将读取的二进制数据转换为一个可以计算的数组

wave_data = np.fromstring(str_data,dtype = np.short)

# 将wave_data数组改为2列，行数自动匹配。在修改shape的属性时，需使得数组的总长度不变。

wave_data.shape = -1,2

# 转置数据

wave_data = wave_data.T

# 通过取样点数和取样频率计算出每个取样的时间。

time=np.arange(0,nframes/2)/framerate

# print(params)

plt.figure(1)

# time 也是一个数组，与wave_data[0]或wave_data[1]配对形成系列点坐标

plt.subplot(211)

plt.plot(time,wave_data[0])

plt.xlabel("time/s")

plt.title('Wave')

N=44100

start=0

# 开始采样位置

df = framerate/(N-1)

# 分辨率

freq = [df*n for n in range(0,N)]

# N个元素

wave_data2=wave_data[0][start:start+N]

c=np.fft.fft(wave_data2)*2/N

# 常规显示采样频率一半的频谱

plt.subplot(212)

plt.plot(freq[:round(len(freq)/2)],abs(c[:round(len(c)/2)]),'r')

plt.title('Freq')

plt.xlabel("Freq/Hz")

plt.show()

F. python画正余弦函数图像

用python怎样画出如题所示的正余弦函数图像? 如此编写代码，使其中两个轴、图例、刻度，大小，LaTex公式等要素与原图一致，需要用到的代码如下，没有缩进：

---

#-*-codeing:utf-8;-*-

from matplotlib import pyplot as plt

import numpy as np

a=np.linspace(0,360,980)

b=np.sin(a/180*np.pi)

c=np.cos(a/180*np.pi)

fig = plt.figure()

ax = fig.add_subplot(111)

ax.set_xlim([0, 360])

ax.plot(a,b,label=r"$y=sin( heta)$")

ax.plot(a,c,label=r"$y=cos( heta)$")

ax.grid(True)

ax.set_ylabel(r"$y$")

ax.set_xlabel(r"$ heta$")

plt.xticks(np.arange(0,360+1,45))

plt.title("Sine & Cosine Waves")

plt.legend()

plt.savefig("SinCosWaveDegFont.jpg")

plt.show()

---

代码输出的文件的图