Question

我使用以下代码进行一些即时声音处理/分析。它工作，但真的很慢（与计划的速度相比）。我添加了一些时间标记来找出问题所在，根据它们不应该有任何问题。对于所有三个计算时间，典型的持续时间（见下文）<0.01秒，但是仍然需要大约一秒来完成循环。问题在哪里？

修改：请注意，时间测量不是真正的问题。为了证明：MyPeaks基本上只能找到相当短的FFT的最大值 - 没什么代价。即使这些例程被注释掉，问题仍然存在。

我应该使用与lambda函数不同的东西来进行循环吗？
启动和录制流时是否犯了一些错误？

等

import pyaudio
import struct
import mute_alsa
import time
import numpy as np
from Tkinter import *


def snd_process(k=0):
 if k<1000:
  t0=time.clock()

  data = stream.read(CHUNK)

  t1=time.clock()

  fl=CHUNK
  int_data = struct.unpack("%sh" %str(fl),data)
  ft=np.fft.fft(int_data)
  ft=np.fft.fftshift(ft)
  ft=np.abs(ft)     

  t2=time.clock()

  pks=MyPeaks(np.log(ft))

  freq_out.configure(text=str(pks))

  t3=time.clock()

  print t1-t0, t2-t1, t3-t2     

  master.after(1, lambda: snd_process(k+1))

CHUNK = 8000
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 4000

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT,
            channels=CHANNELS,
            rate=RATE,
            input=True,
            frames_per_buffer=CHUNK)

#Tkinter stuff
master=Tk()
button_play=Button(master, command=snd_process, bg="yellow", text="Analyze")
button_play.grid(row=0, column=0)
freq_out = Label(master)
freq_out.grid(row=0, column=1)
freq_out.configure(text='base')
mainloop()

Answer 1

您正在tk主线程中安排1000个回调;对于每个回调，您使用1 ms延迟（after()的第一个参数）。这意味着最后一个循环将在第一个循环1000毫秒（1秒）后开始。

也许循环仍然需要大约一秒才能完成。

因此，请尝试使用after_idle()。我认为你真的不需要加速声音处理算法因为np已经非常有效了。

<强> [编辑] 惊喜！你是在每次迭代时从音频通道读取1秒8000字节，16位格式，4000帧速率。你需要一秒钟才能拥有它。

Answer 2

将I / O和计算压缩到主循环就像是经典的解决方案。但也有其他选择。

在第二个帖子中进行音频采集和计算。由于I / O和numpy都应该释放GIL，因此它可能是一个很好的选择。这里有一个警告。由于像TKinter这样的GUI工具包通常不是多线程安全的，因此你应该不从第二个线程进行Tkinter调用。但您可以设置一个使用after调用的函数来检查计算的进度，并每隔100毫秒更新一次UI。
在另一个multiprocessing.Process中进行音频采集和计算。这使它与GUI完全分离。您必须设置一个通信渠道，例如： Queue将pks发送回主进程。您应该使用after函数检查Queue是否有可用数据，如果是，则更新显示。

Answer 3

根据您运行的操作系统，您可能会测量实际的“挂钟”时间。有关详细信息，请参阅此处http://pythoncentral.io/measure-time-in-python-time-time-vs-time-clock/。请注意，对于python 3.3，不推荐使用time.clock，建议使用time.process_time（）或time.perf_counter（）。

加快声音处理算法

3 个答案: