两个音频信号之间的时间延迟估计

Question

我有两个不同麦克风（例如WAV格式）录制的同一信号的音频记录，但其中一个录制有延迟，例如数秒。

当在某种波形查看器中查看这些信号时，很容易通过视觉识别出这种延迟 - 即只需在每个信号中找到第一个可见峰，并确保它们具有相同的形状：

_{(来源: greycat.ru)}

但是，如何以编程方式实现 - 找出这个延迟（t）是多少？ 两个数字化信号略有不同（因为麦克风不同，位置不同，由于ADC设置等原因）。

我稍微搜索了一下，发现这个问题通常称为“时间延迟估计”，并且有无数的方法可以解决它 - 例如其中之一。

但是否存在任何简单且现成的解决方案，例如命令行实用程序、库或直接的算法？

结论：我没有找到简单的实现方式，因此我自己做了一个简单的命令行工具 - 可在https://bitbucket.org/GreyCat/calc-sound-delay上获得（使用GPLv3许可）。它实现了一个非常简单的搜索最大值算法，该算法在Wikipedia上有描述。

- GreyCat

Answer 1

你所需要的技术称为交叉相关。它是一种非常简单但计算密集的技术，可用于解决各种问题，包括测量两个相似信号（信号不需要完全相同）之间的时间差（也称为滞后）。

如果你对滞后值有一个合理的想法（或者至少知道预期的滞后值范围），那么可以大大减少总计算量。同样，如果你能明确限制所需的精度，也可以做到如此。

- Paul R

---

是的，互相关，没错。如果能够估计出一个好的起始点，计算量可以减少。 - Dan

我四处搜寻，但没有找到这个算法的简单实现，所以我自己写了一个并发布在 https://bitbucket.org/GreyCat/calc-sound-delay 上。 - GreyCat

如果使用FFT，交叉相关会快得多。https://gist.github.com/376572 - endolith

卷积和交叉相关性的直觉：https://www.youtube.com/watch?v=MQm6ZP1F6ms - XMB5

这种技术能否用于声学信号？ - Aniiya0978

@Aniiya0978：是的，音频信号是非常常见的用例。 - Paul R

Answer 2

我曾经遇到相同的问题，但没有找到一款自动同步视频/音频录制开始的工具，于是我决定开发 syncstart (github)。

这是一个命令行工具。它的基本代码如下：

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

- Roland Puntaier

---

Roland，我正在测试您的代码，发现有一个错误。在最后一个if语句中，您调用了变量"in1或in2"，但这些变量没有在任何地方定义。 - little_mice

那就是文件名。请参见GitHub版本。 - Roland Puntaier

Answer 3

一个非常直接的做法就是检查峰值是否超过某个阈值，A线高峰和B线高峰之间的时间可能就是你的延迟。只需稍微调整一下阈值，如果图像通常像你发布的图片一样清晰，那么你应该没问题。

- Roy T.