Python音频分析与线性回归：探索声音中的数学之美

摘要：通过Python实现WAV音频信号处理与线性回归建模，揭示双声道音频的数学关联性，为声音特征分析提供新视角。

1. 音频数据处理流程

1.1 WAV文件读取与预处理

使用scipy.io.wavfile读取音频文件，获取采样率与时域信号数据：

python 复制代码

from scipy.io import wavfile
sample_rate, audio_data = wavfile.read("sound/cat/1-47819-C-5.wav")

自动识别单声道/立体声：单声道返回一维数组，立体声返回二维数组（左/右声道）
关键指标：采样率（Hz）、数据类型（如int16）、数据形状（样本数×声道数）

1.2 声道分离与标准化

python 复制代码

# 立体声分离
left_channel = audio_data[:, 0]
right_channel = audio_data[:, 1]

# 标准化（均值归零、方差归一）
left_norm = (left_channel - np.mean(left_channel)) / np.std(left_channel)
right_norm = (right_channel - np.mean(right_channel)) / np.std(right_channel)

标准化消除量纲差异，提升模型收敛效率。

2. 线性回归建模核心

2.1 回归参数计算

基于最小二乘法直接求解斜率与截距：

python 复制代码

def linear_regression(x, y):
    n = len(x)
    sum_x, sum_y = np.sum(x), np.sum(y)
    sum_xy = np.sum(x * y)
    sum_x2 = np.sum(x ** 2)
    slope = (n * sum_xy - sum_x * sum_y) / (n * sum_x2 - sum_x ** 2)
    intercept = (sum_y - slope * sum_x) / n
    return slope, intercept

该方法避免迭代计算，效率显著高于梯度下降法。

2.2 滑动窗口分块分析

python 复制代码

sim_list = []
for i in range(0, len(left_norm)-800, 800):
    x = left_norm[i:i+800:2]  # 左声道隔点采样
    y = right_norm[i:i+800:1] # 右声道连续采样
    slope, intercept = linear_regression(x, y)
    y_pred = slope * x + intercept
    sim = cosine_similarity(y_pred, y)  # 余弦相似度评估拟合效果
    sim_list.append(sim)

创新点：通过800样本滑动窗口捕捉局部特征
输出指标：各窗口回归方程的余弦相似度序列

3. 模型评估与可视化

3.1 误差指标计算

python 复制代码

def calculate_fit_error(y_true, y_pred):
    mse = np.mean((y_true - y_pred) ** 2)       # 均方误差
    rmse = np.sqrt(mse)                         # 均方根误差
    mae = np.mean(np.abs(y_true - y_pred))      # 平均绝对误差
    return mse, rmse, mae

多维度评估模型精度。

3.2 动态效果可视化

python 复制代码

plt.figure(figsize=(12, 4))
plt.plot(sim_list, marker='o', linestyle='-', color='#FF7043')
plt.title("双声道线性拟合相似度变化趋势", fontsize=14)
plt.xlabel("时间窗口索引", fontsize=12)
plt.ylabel("余弦相似度", fontsize=12)
plt.grid(alpha=0.3)
plt.show()

4. 完整代码实现

python 复制代码

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile

# 中文显示支持
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

def cosine_similarity(a, b):
    """计算余弦相似度"""
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

def linear_regression(x, y):
    """最小二乘法线性回归"""
    n = len(x)
    sum_x, sum_y = np.sum(x), np.sum(y)
    sum_xy = np.sum(x * y)
    sum_x2 = np.sum(x ** 2)
    slope = (n * sum_xy - sum_x * sum_y) / (n * sum_x2 - sum_x ** 2)
    intercept = (sum_y - slope * sum_x) / n
    return slope, intercept

def main():
    # 数据读取
    _, audio = wavfile.read("sound/cat/1-47819-C-5.wav")
    left = (audio[:,0]-np.mean(audio[:,0]))/np.std(audio[:,0])
    right = (audio[:,1]-np.mean(audio[:,1]))/np.std(audio[:,1])
    
    # 滑动窗口分析
    sim_list = []
    for i in range(0, len(left)-800, 800):
        x, y = left[i:i+800:2], right[i:i+800:1]
        if len(x) > len(y): x = x[:len(y)]
        slope, intercept = linear_regression(x, y)
        sim_list.append(cosine_similarity(slope*x+intercept, y))
    
    # 可视化
    plt.plot(sim_list)
    plt.show()

if __name__ == "__main__":
    main()

5. 应用场景与扩展

声音特征分析

通过回归斜率变化识别音频中的突发事件（如爆破音、重音节）
音频质量评估

双声道拟合相似度越高，说明声道一致性越好（适用于设备测试）
扩展方向
- 引入MFCC（梅尔频率倒谱系数）替代原始信号
- 结合LSTM模型捕捉长期依赖关系
- 迁移至帕金森病语音诊断等医疗场景

参考文献：

源码下载与实时演示可访问 [GitHub项目链接]