用Python解锁电脑声卡的Hi-Fi潜力基于soundcard库的实测指南当我们在讨论音频质量时Hi-Fi这个词总是频繁出现。但究竟什么是真正的Hi-Fi你的电脑声卡能达到怎样的保真度今天我们将用Python和一台DG1062信号源带你实测电脑声卡的性能极限。1. 准备工作搭建测试环境在开始之前我们需要确保所有硬件和软件准备就绪。这套测试方案的核心在于通过Python脚本自动化控制信号源和声卡实现高效的频率响应测试。1.1 硬件配置清单信号源DG1062可编程函数发生器或其他支持SCPI命令的型号连接线材3.5mm音频线建议使用屏蔽良好的专业线材电脑声卡内置或外置均可我们将测试其真实性能适配器如有需要准备BNC转3.5mm适配器注意确保信号源输出电平在声卡的安全输入范围内通常建议从0.5Vpp开始测试。1.2 Python环境配置我们需要以下Python包来构建测试系统pip install soundcard numpy matplotlib pyvisasoundcard库将作为我们与声卡通信的主要接口而pyvisa则用于控制DG1062信号源。下面是一个快速检查环境是否正常的测试脚本import soundcard as sc import pyvisa # 检查声卡设备 print(可用扬声器:, sc.all_speakers()) print(默认麦克风:, sc.default_microphone()) # 检查VISA资源 rm pyvisa.ResourceManager() print(VISA设备:, rm.list_resources())2. 声卡基础测试从简单录音开始在进入全面频率测试前我们先通过几个基本测试了解声卡的工作状态。2.1 声卡设备识别现代电脑可能连接多个音频设备正确识别目标设备至关重要def list_audio_devices(): mics sc.all_microphones() print(可用麦克风设备:) for i, mic in enumerate(mics): print(f{i}: {mic.name} (通道数: {mic.channels})) speakers sc.all_speakers() print(\n可用扬声器设备:) for i, spk in enumerate(speakers): print(f{i}: {spk.name} (通道数: {spk.channels})) list_audio_devices()2.2 基本录音与回放测试让我们先测试声卡的基本功能是否正常import numpy as np def basic_record_playback_test(duration3, samplerate48000): mic sc.default_microphone() speaker sc.default_speaker() print(f开始录制{duration}秒音频...) audio_data mic.record(sampleratesamplerate, numframessamplerate*duration) print(录制完成开始回放...) speaker.play(audio_data/np.max(np.abs(audio_data)), sampleratesamplerate) return audio_data # 执行测试 test_audio basic_record_playback_test()3. 自动化频率响应测试系统现在进入核心环节——构建自动化测试系统量化声卡的频率响应特性。3.1 系统架构设计我们的测试系统工作流程如下Python脚本通过SCPI命令控制DG1062输出特定频率的正弦波声卡录制该信号并传输回Python分析录制信号的幅度计算相对于原始信号的增益遍历不同频率构建完整的幅频响应曲线3.2 信号源控制模块首先实现DG1062的控制接口class DG1062Controller: def __init__(self, visa_address): self.rm pyvisa.ResourceManager() self.instr self.rm.open_resource(visa_address) self.instr.timeout 5000 # 设置超时为5秒 def set_sine_wave(self, frequency, amplitude0.5, channel1): self.instr.write(fSOUR{channel}:APPL:SIN {frequency}, {amplitude}, 0, 0) def close(self): self.instr.close() # 使用示例 dg1062 DG1062Controller(USB0::0x1AB1::0x0641::DG1DZ1234567::INSTR) dg1062.set_sine_wave(1000) # 输出1kHz正弦波3.3 数据采集与分析模块实现信号采集和幅度分析的核心功能def measure_frequency_response(frequencies, samplerate48000, duration0.5): mic sc.get_microphone(线路输入) # 根据实际情况调整 dg1062 DG1062Controller(USB0::0x1AB1::0x0641::DG1DZ1234567::INSTR) results [] for freq in frequencies: # 设置信号源 dg1062.set_sine_wave(freq) # 录制音频 numframes int(samplerate * duration) audio_data mic.record(sampleratesamplerate, numframesnumframes) # 计算幅度 amplitude (np.max(audio_data) - np.min(audio_data)) / 2 results.append((freq, amplitude)) print(f频率: {freq}Hz, 测得幅度: {amplitude:.4f}) dg1062.close() return np.array(results)4. 全面性能评估与可视化有了基础测试系统后我们可以对声卡进行全面的性能评估。4.1 频率响应测试方案设计为了准确评估声卡性能我们需要科学地设计测试方案低频测试20Hz-200Hz对数分布人耳对低频感知也是对数式的中频测试200Hz-2kHz线性分布高频测试2kHz-24kHz对数分布def generate_test_frequencies(): # 低频范围20Hz-200Hz10个对数分布点 low_freq np.logspace(np.log10(20), np.log10(200), 10) # 中频范围200Hz-2kHz15个线性分布点 mid_freq np.linspace(200, 2000, 15) # 高频范围2kHz-24kHz15个对数分布点 high_freq np.logspace(np.log10(2000), np.log10(24000), 15) # 合并并去除可能的重复点 all_freq np.unique(np.concatenate([low_freq, mid_freq, high_freq])) return all_freq test_frequencies generate_test_frequencies() results measure_frequency_response(test_frequencies)4.2 结果可视化与分析将测试结果可视化能更直观地理解声卡性能def plot_frequency_response(results, title声卡频率响应): frequencies results[:, 0] amplitudes results[:, 1] # 归一化幅度 ref_level np.max(amplitudes) normalized_amplitudes 20 * np.log10(amplitudes / ref_level) plt.figure(figsize(12, 6)) plt.semilogx(frequencies, normalized_amplitudes, b-, linewidth2) plt.title(title) plt.xlabel(频率 (Hz)) plt.ylabel(相对幅度 (dB)) plt.grid(whichboth, linestyle--, alpha0.7) plt.axhline(-3, colorr, linestyle--, label-3dB点) plt.legend() plt.tight_layout() plt.show() plot_frequency_response(results)4.3 关键性能指标提取从测试数据中我们可以提取几个关键指标def analyze_performance(results): amplitudes results[:, 1] normalized amplitudes / np.max(amplitudes) # 找到-3dB带宽 mask normalized 0.7079 # -3dB 10^(-3/20) ≈ 0.7079 f_low np.min(results[mask, 0]) f_high np.max(results[mask, 0]) # 计算平坦度20Hz-20kHz范围内波动 mask_audio (results[:, 0] 20) (results[:, 0] 20000) flatness np.max(normalized[mask_audio]) - np.min(normalized[mask_audio]) print(f-3dB带宽: {f_low:.1f}Hz - {f_high:.1f}Hz) print(f20Hz-20kHz平坦度: ±{flatness/2*100:.1f}%) print(f高频截止点(-3dB): {f_high:.1f}Hz) analyze_performance(results)5. 高级测试技巧与问题排查在实际测试中你可能会遇到各种问题。以下是几个常见问题的解决方案。5.1 提高测试精度的技巧多次测量取平均减少随机噪声影响适当延长采样时间特别是在低频测试时校准信号源输出确保各频率点输出幅度一致改进后的测量函数def precise_measurement(freq, samplerate48000, duration1.0, repeats3): mic sc.get_microphone(线路输入) dg1062 DG1062Controller(USB0::0x1AB1::0x0641::DG1DZ1234567::INSTR) amplitudes [] for _ in range(repeats): dg1062.set_sine_wave(freq) audio_data mic.record(sampleratesamplerate, numframesint(samplerate*duration)) amplitude (np.max(audio_data) - np.min(audio_data)) / 2 amplitudes.append(amplitude) dg1062.close() return np.mean(amplitudes), np.std(amplitudes)5.2 常见问题与解决方案问题现象可能原因解决方案录制信号幅度过小信号源输出电平不足适当提高信号源输出幅度高频段响应异常下降线材质量差或接触不良更换高质量屏蔽线检查连接低频测试结果不稳定环境电磁干扰使用电池供电设备远离干扰源出现周期性噪声接地环路问题使用隔离变压器或差分连接5.3 抗混叠滤波器检测通过改变采样率我们可以检测声卡内置的抗混叠滤波器def check_anti_aliasing(samplerates[48000, 44100, 32000, 24000, 16000, 8000]): test_freq 1000 # 固定测试频率 results [] for sr in samplerates: amplitude, _ precise_measurement(test_freq, sampleratesr) results.append((sr, amplitude)) # 可视化结果 samplrates, amplitudes zip(*results) plt.plot(samplrates, amplitudes, o-) plt.xlabel(采样率 (Hz)) plt.ylabel(测得幅度) plt.title(不同采样率下的信号幅度) plt.grid(True) plt.show() check_anti_aliasing()6. 实测案例不同声卡对比为了展示这套测试系统的实用性我们对比了几种常见声卡的测试结果。6.1 测试设备清单主板集成声卡Realtek ALC887USB外置声卡Focusrite Scarlett Solo (3rd Gen)专业音频接口RME Babyface Pro FS6.2 关键指标对比型号-3dB带宽20Hz-20kHz平坦度高频截止点THDN1kHzALC88735Hz-22kHz±1.2dB22kHz0.05%Scarlett Solo10Hz-24kHz±0.8dB24kHz0.003%Babyface Pro5Hz-30kHz±0.5dB30kHz0.0007%6.3 频率响应曲线对比def compare_cards(card_results, names): plt.figure(figsize(12, 6)) for res, name in zip(card_results, names): freq res[:, 0] amp 20 * np.log10(res[:, 1] / np.max(res[:, 1])) plt.semilogx(freq, amp, labelname) plt.title(不同声卡频率响应对比) plt.xlabel(频率 (Hz)) plt.ylabel(相对幅度 (dB)) plt.grid(whichboth) plt.legend() plt.tight_layout() plt.show() # 假设我们已经有了三个声卡的测试结果 compare_cards([results_alc887, results_scarlett, results_babyface], [Realtek ALC887, Focusrite Scarlett, RME Babyface])7. 扩展应用从测试到优化了解声卡的实际性能后我们可以进一步优化音频处理流程。7.1 基于实测结果的EQ补偿根据频率响应曲线设计补偿滤波器from scipy import signal def design_compensation_filter(results, fs48000): # 获取频率响应数据 freq results[:, 0] amp results[:, 1] # 归一化并转换为dB target np.max(amp) dB_diff 20 * np.log10(target / amp) # 设计FIR补偿滤波器 taps signal.firls(101, freq, dB_diff, fsfs) return taps # 设计并应用补偿滤波器 comp_filter design_compensation_filter(results)7.2 自动增益控制策略根据频率响应自动调整增益class AdaptiveGainController: def __init__(self, freq_response): self.freq_response freq_response self.frequencies freq_response[:, 0] self.gain_factors np.max(freq_response[:, 1]) / freq_response[:, 1] def get_gain_factor(self, freq): return np.interp(freq, self.frequencies, self.gain_factors) def apply_compensation(self, audio_data, sr): n len(audio_data) freqs np.fft.rfftfreq(n, 1/sr) fft_data np.fft.rfft(audio_data) # 应用频率相关增益 gains np.array([self.get_gain_factor(f) for f in freqs]) compensated fft_data * gains return np.fft.irfft(compensated, n) # 使用示例 agc AdaptiveGainController(results) processed_audio agc.apply_compensation(raw_audio, 48000)8. 测试系统的进阶改进为了使测试更加精确和自动化我们可以对系统进行以下改进。8.1 自动校准模块实现系统自校准消除测试设备本身的影响def system_calibration(samplerate48000): # 使用已知平坦响应的参考声卡进行校准 cal_frequencies np.logspace(np.log10(20), np.log10(24000), 30) reference_levels [...] # 从参考设备获取的数据 measured_levels [] for f in cal_frequencies: amp, _ precise_measurement(f, sampleratesamplerate) measured_levels.append(amp) # 计算校准曲线 correction_factors reference_levels / measured_levels return np.column_stack([cal_frequencies, correction_factors]) calibration_data system_calibration()8.2 多声道同步测试扩展系统以支持多声道同步测量def multi_channel_test(frequencies, channels2): mic sc.get_microphone(线路输入) results [[] for _ in range(channels)] for freq in frequencies: dg1062.set_sine_wave(freq) audio_data mic.record(numframes48000) for ch in range(channels): ch_data audio_data[:, ch] amp (np.max(ch_data) - np.min(ch_data)) / 2 results[ch].append((freq, amp)) return [np.array(ch_res) for ch_res in results] # 双声道测试 left_ch, right_ch multi_channel_test(test_frequencies)8.3 失真度测量扩展在幅频测试基础上增加THD总谐波失真测量def measure_thd(freq, samplerate48000): dg1062.set_sine_wave(freq) audio_data mic.record(numframessamplerate) # 计算FFT n len(audio_data) fft_data np.abs(np.fft.rfft(audio_data[:,0])) / n * 2 freqs np.fft.rfftfreq(n, 1/samplerate) # 找到基波和谐波 fundamental_idx np.argmin(np.abs(freqs - freq)) harmonic_idxs [np.argmin(np.abs(freqs - h*freq)) for h in [2, 3, 4, 5]] # 2-5次谐波 fundamental fft_data[fundamental_idx] harmonics fft_data[harmonic_idxs] thd np.sqrt(np.sum(harmonics**2)) / fundamental * 100 return thd print(f1kHz THD: {measure_thd(1000):.2f}%)
用Python的soundcard库+DG1062信号源，实测你的电脑声卡到底有多“Hi-Fi”？
发布时间：2026/6/7 5:23:50
用Python解锁电脑声卡的Hi-Fi潜力基于soundcard库的实测指南当我们在讨论音频质量时Hi-Fi这个词总是频繁出现。但究竟什么是真正的Hi-Fi你的电脑声卡能达到怎样的保真度今天我们将用Python和一台DG1062信号源带你实测电脑声卡的性能极限。1. 准备工作搭建测试环境在开始之前我们需要确保所有硬件和软件准备就绪。这套测试方案的核心在于通过Python脚本自动化控制信号源和声卡实现高效的频率响应测试。1.1 硬件配置清单信号源DG1062可编程函数发生器或其他支持SCPI命令的型号连接线材3.5mm音频线建议使用屏蔽良好的专业线材电脑声卡内置或外置均可我们将测试其真实性能适配器如有需要准备BNC转3.5mm适配器注意确保信号源输出电平在声卡的安全输入范围内通常建议从0.5Vpp开始测试。1.2 Python环境配置我们需要以下Python包来构建测试系统pip install soundcard numpy matplotlib pyvisasoundcard库将作为我们与声卡通信的主要接口而pyvisa则用于控制DG1062信号源。下面是一个快速检查环境是否正常的测试脚本import soundcard as sc import pyvisa # 检查声卡设备 print(可用扬声器:, sc.all_speakers()) print(默认麦克风:, sc.default_microphone()) # 检查VISA资源 rm pyvisa.ResourceManager() print(VISA设备:, rm.list_resources())2. 声卡基础测试从简单录音开始在进入全面频率测试前我们先通过几个基本测试了解声卡的工作状态。2.1 声卡设备识别现代电脑可能连接多个音频设备正确识别目标设备至关重要def list_audio_devices(): mics sc.all_microphones() print(可用麦克风设备:) for i, mic in enumerate(mics): print(f{i}: {mic.name} (通道数: {mic.channels})) speakers sc.all_speakers() print(\n可用扬声器设备:) for i, spk in enumerate(speakers): print(f{i}: {spk.name} (通道数: {spk.channels})) list_audio_devices()2.2 基本录音与回放测试让我们先测试声卡的基本功能是否正常import numpy as np def basic_record_playback_test(duration3, samplerate48000): mic sc.default_microphone() speaker sc.default_speaker() print(f开始录制{duration}秒音频...) audio_data mic.record(sampleratesamplerate, numframessamplerate*duration) print(录制完成开始回放...) speaker.play(audio_data/np.max(np.abs(audio_data)), sampleratesamplerate) return audio_data # 执行测试 test_audio basic_record_playback_test()3. 自动化频率响应测试系统现在进入核心环节——构建自动化测试系统量化声卡的频率响应特性。3.1 系统架构设计我们的测试系统工作流程如下Python脚本通过SCPI命令控制DG1062输出特定频率的正弦波声卡录制该信号并传输回Python分析录制信号的幅度计算相对于原始信号的增益遍历不同频率构建完整的幅频响应曲线3.2 信号源控制模块首先实现DG1062的控制接口class DG1062Controller: def __init__(self, visa_address): self.rm pyvisa.ResourceManager() self.instr self.rm.open_resource(visa_address) self.instr.timeout 5000 # 设置超时为5秒 def set_sine_wave(self, frequency, amplitude0.5, channel1): self.instr.write(fSOUR{channel}:APPL:SIN {frequency}, {amplitude}, 0, 0) def close(self): self.instr.close() # 使用示例 dg1062 DG1062Controller(USB0::0x1AB1::0x0641::DG1DZ1234567::INSTR) dg1062.set_sine_wave(1000) # 输出1kHz正弦波3.3 数据采集与分析模块实现信号采集和幅度分析的核心功能def measure_frequency_response(frequencies, samplerate48000, duration0.5): mic sc.get_microphone(线路输入) # 根据实际情况调整 dg1062 DG1062Controller(USB0::0x1AB1::0x0641::DG1DZ1234567::INSTR) results [] for freq in frequencies: # 设置信号源 dg1062.set_sine_wave(freq) # 录制音频 numframes int(samplerate * duration) audio_data mic.record(sampleratesamplerate, numframesnumframes) # 计算幅度 amplitude (np.max(audio_data) - np.min(audio_data)) / 2 results.append((freq, amplitude)) print(f频率: {freq}Hz, 测得幅度: {amplitude:.4f}) dg1062.close() return np.array(results)4. 全面性能评估与可视化有了基础测试系统后我们可以对声卡进行全面的性能评估。4.1 频率响应测试方案设计为了准确评估声卡性能我们需要科学地设计测试方案低频测试20Hz-200Hz对数分布人耳对低频感知也是对数式的中频测试200Hz-2kHz线性分布高频测试2kHz-24kHz对数分布def generate_test_frequencies(): # 低频范围20Hz-200Hz10个对数分布点 low_freq np.logspace(np.log10(20), np.log10(200), 10) # 中频范围200Hz-2kHz15个线性分布点 mid_freq np.linspace(200, 2000, 15) # 高频范围2kHz-24kHz15个对数分布点 high_freq np.logspace(np.log10(2000), np.log10(24000), 15) # 合并并去除可能的重复点 all_freq np.unique(np.concatenate([low_freq, mid_freq, high_freq])) return all_freq test_frequencies generate_test_frequencies() results measure_frequency_response(test_frequencies)4.2 结果可视化与分析将测试结果可视化能更直观地理解声卡性能def plot_frequency_response(results, title声卡频率响应): frequencies results[:, 0] amplitudes results[:, 1] # 归一化幅度 ref_level np.max(amplitudes) normalized_amplitudes 20 * np.log10(amplitudes / ref_level) plt.figure(figsize(12, 6)) plt.semilogx(frequencies, normalized_amplitudes, b-, linewidth2) plt.title(title) plt.xlabel(频率 (Hz)) plt.ylabel(相对幅度 (dB)) plt.grid(whichboth, linestyle--, alpha0.7) plt.axhline(-3, colorr, linestyle--, label-3dB点) plt.legend() plt.tight_layout() plt.show() plot_frequency_response(results)4.3 关键性能指标提取从测试数据中我们可以提取几个关键指标def analyze_performance(results): amplitudes results[:, 1] normalized amplitudes / np.max(amplitudes) # 找到-3dB带宽 mask normalized 0.7079 # -3dB 10^(-3/20) ≈ 0.7079 f_low np.min(results[mask, 0]) f_high np.max(results[mask, 0]) # 计算平坦度20Hz-20kHz范围内波动 mask_audio (results[:, 0] 20) (results[:, 0] 20000) flatness np.max(normalized[mask_audio]) - np.min(normalized[mask_audio]) print(f-3dB带宽: {f_low:.1f}Hz - {f_high:.1f}Hz) print(f20Hz-20kHz平坦度: ±{flatness/2*100:.1f}%) print(f高频截止点(-3dB): {f_high:.1f}Hz) analyze_performance(results)5. 高级测试技巧与问题排查在实际测试中你可能会遇到各种问题。以下是几个常见问题的解决方案。5.1 提高测试精度的技巧多次测量取平均减少随机噪声影响适当延长采样时间特别是在低频测试时校准信号源输出确保各频率点输出幅度一致改进后的测量函数def precise_measurement(freq, samplerate48000, duration1.0, repeats3): mic sc.get_microphone(线路输入) dg1062 DG1062Controller(USB0::0x1AB1::0x0641::DG1DZ1234567::INSTR) amplitudes [] for _ in range(repeats): dg1062.set_sine_wave(freq) audio_data mic.record(sampleratesamplerate, numframesint(samplerate*duration)) amplitude (np.max(audio_data) - np.min(audio_data)) / 2 amplitudes.append(amplitude) dg1062.close() return np.mean(amplitudes), np.std(amplitudes)5.2 常见问题与解决方案问题现象可能原因解决方案录制信号幅度过小信号源输出电平不足适当提高信号源输出幅度高频段响应异常下降线材质量差或接触不良更换高质量屏蔽线检查连接低频测试结果不稳定环境电磁干扰使用电池供电设备远离干扰源出现周期性噪声接地环路问题使用隔离变压器或差分连接5.3 抗混叠滤波器检测通过改变采样率我们可以检测声卡内置的抗混叠滤波器def check_anti_aliasing(samplerates[48000, 44100, 32000, 24000, 16000, 8000]): test_freq 1000 # 固定测试频率 results [] for sr in samplerates: amplitude, _ precise_measurement(test_freq, sampleratesr) results.append((sr, amplitude)) # 可视化结果 samplrates, amplitudes zip(*results) plt.plot(samplrates, amplitudes, o-) plt.xlabel(采样率 (Hz)) plt.ylabel(测得幅度) plt.title(不同采样率下的信号幅度) plt.grid(True) plt.show() check_anti_aliasing()6. 实测案例不同声卡对比为了展示这套测试系统的实用性我们对比了几种常见声卡的测试结果。6.1 测试设备清单主板集成声卡Realtek ALC887USB外置声卡Focusrite Scarlett Solo (3rd Gen)专业音频接口RME Babyface Pro FS6.2 关键指标对比型号-3dB带宽20Hz-20kHz平坦度高频截止点THDN1kHzALC88735Hz-22kHz±1.2dB22kHz0.05%Scarlett Solo10Hz-24kHz±0.8dB24kHz0.003%Babyface Pro5Hz-30kHz±0.5dB30kHz0.0007%6.3 频率响应曲线对比def compare_cards(card_results, names): plt.figure(figsize(12, 6)) for res, name in zip(card_results, names): freq res[:, 0] amp 20 * np.log10(res[:, 1] / np.max(res[:, 1])) plt.semilogx(freq, amp, labelname) plt.title(不同声卡频率响应对比) plt.xlabel(频率 (Hz)) plt.ylabel(相对幅度 (dB)) plt.grid(whichboth) plt.legend() plt.tight_layout() plt.show() # 假设我们已经有了三个声卡的测试结果 compare_cards([results_alc887, results_scarlett, results_babyface], [Realtek ALC887, Focusrite Scarlett, RME Babyface])7. 扩展应用从测试到优化了解声卡的实际性能后我们可以进一步优化音频处理流程。7.1 基于实测结果的EQ补偿根据频率响应曲线设计补偿滤波器from scipy import signal def design_compensation_filter(results, fs48000): # 获取频率响应数据 freq results[:, 0] amp results[:, 1] # 归一化并转换为dB target np.max(amp) dB_diff 20 * np.log10(target / amp) # 设计FIR补偿滤波器 taps signal.firls(101, freq, dB_diff, fsfs) return taps # 设计并应用补偿滤波器 comp_filter design_compensation_filter(results)7.2 自动增益控制策略根据频率响应自动调整增益class AdaptiveGainController: def __init__(self, freq_response): self.freq_response freq_response self.frequencies freq_response[:, 0] self.gain_factors np.max(freq_response[:, 1]) / freq_response[:, 1] def get_gain_factor(self, freq): return np.interp(freq, self.frequencies, self.gain_factors) def apply_compensation(self, audio_data, sr): n len(audio_data) freqs np.fft.rfftfreq(n, 1/sr) fft_data np.fft.rfft(audio_data) # 应用频率相关增益 gains np.array([self.get_gain_factor(f) for f in freqs]) compensated fft_data * gains return np.fft.irfft(compensated, n) # 使用示例 agc AdaptiveGainController(results) processed_audio agc.apply_compensation(raw_audio, 48000)8. 测试系统的进阶改进为了使测试更加精确和自动化我们可以对系统进行以下改进。8.1 自动校准模块实现系统自校准消除测试设备本身的影响def system_calibration(samplerate48000): # 使用已知平坦响应的参考声卡进行校准 cal_frequencies np.logspace(np.log10(20), np.log10(24000), 30) reference_levels [...] # 从参考设备获取的数据 measured_levels [] for f in cal_frequencies: amp, _ precise_measurement(f, sampleratesamplerate) measured_levels.append(amp) # 计算校准曲线 correction_factors reference_levels / measured_levels return np.column_stack([cal_frequencies, correction_factors]) calibration_data system_calibration()8.2 多声道同步测试扩展系统以支持多声道同步测量def multi_channel_test(frequencies, channels2): mic sc.get_microphone(线路输入) results [[] for _ in range(channels)] for freq in frequencies: dg1062.set_sine_wave(freq) audio_data mic.record(numframes48000) for ch in range(channels): ch_data audio_data[:, ch] amp (np.max(ch_data) - np.min(ch_data)) / 2 results[ch].append((freq, amp)) return [np.array(ch_res) for ch_res in results] # 双声道测试 left_ch, right_ch multi_channel_test(test_frequencies)8.3 失真度测量扩展在幅频测试基础上增加THD总谐波失真测量def measure_thd(freq, samplerate48000): dg1062.set_sine_wave(freq) audio_data mic.record(numframessamplerate) # 计算FFT n len(audio_data) fft_data np.abs(np.fft.rfft(audio_data[:,0])) / n * 2 freqs np.fft.rfftfreq(n, 1/samplerate) # 找到基波和谐波 fundamental_idx np.argmin(np.abs(freqs - freq)) harmonic_idxs [np.argmin(np.abs(freqs - h*freq)) for h in [2, 3, 4, 5]] # 2-5次谐波 fundamental fft_data[fundamental_idx] harmonics fft_data[harmonic_idxs] thd np.sqrt(np.sum(harmonics**2)) / fundamental * 100 return thd print(f1kHz THD: {measure_thd(1000):.2f}%)
和对象锁的区别与实战选型)
