引言

公司因为业务原因，购入了一些高灵敏高精度的振动传感器。老板说：“拿去进行测试，看看数据如何？”

吭哧吭哧接入数据，一看，确实精度和灵敏度非常高。具体多高呢？

将传感器固定在相关的结构物上，在办公室中人的声音但凡大一些，都能引起 波形振动！

好家伙，这么高的灵敏度！众所周知，声音也是一种振动能量，能否通过这个传感器，将结构物因为声音引发的 振动转换为音频 呢？

同事说：“要是你这个程序开发了，再搞个传感器，贴在外墙，是不是就能听到屋里说话的声音了，这个外流出去很危险哦！”

怎么样，是否有黑科技的味道了！接下来看看如何操作的吧！

1、采集信号

首先需要通过 python 采集信号，具体如何获取呢？每个厂家都有不同的方式，主要有两种：

1. 通过串口
2. 通过socket

这两种方式的不同之处在于，串口 需要连接数据线，而 socket 仅需要保证在一个局域网中即可。除了这些区别，一般而言，在数据采集的指令上是没有多大区别的。

串口接入

串口接入需要安装库：

pip install pyserial

接入方法：

import serial

ser = serial.Serial('COM3', 9600)
while True:
    try:
        data = ser.read(1)
    except:
        break

socket接入

socket接入方式其实也还是有两种：程序作为客户端、程序作为服务端。

作为客户端

import socket

client = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
client.connect(('192.168.2.113', 5000))
client.settimeout(60)

client.sendall('登录包信息')

# 开启线程获取数据
receive_thread = threading.Thread(target=receive_handle, args=())
receive_thread.start()
# 开启线程发送数据
send_thread = threading.Thread(target=send_handle, args=())
send_thread.start()

作为服务端

from socketserver import TCPServer, ThreadingMixIn

class CustomServer(TCPServer):
    allow_reuse_address = True

    def __init__(self, server_address, RequestHandlerClass, bind_and_activate=True):
        TCPServer.__init__(self, server_address, RequestHandlerClass, bind_and_activate=bind_and_activate)


class CustomThreadingTCPServer(ThreadingMixIn, CustomServer):
    pass
    
class Handle(socketserver.BaseRequestHandler):
    pass
    
server = CustomThreadingTCPServer(
        ('0.0.0.0', 6600),
        Handle
    )
server.daemon_threads = True
server.serve_forever()

这里有个技巧：通过 bind_and_activate为True，可以在 Linux 系统下实现迅速重启，否则需要等待资源释放后才能重启。

2、信号保存

成功接入信号以后，我们就可以将 振动信号 保存在一些文件中，例如 txt：

信号文件

3、信号分析

我们可以首先通过 matplotlib 来绘制信号，首先安装库：

pip install matplotlib

绘制信号代码

# -*- coding: utf-8 -*-
from matplotlib import pyplot as plt
import matplotlib

matplotlib.use('TKAgg')

if __name__ == '__main__':
    path = 'xxxx.txt'

    data = []
    with open(path, 'r') as f:
        for line in f:
            try:
                v = float(line)
                data.append(v)
            except:
                continue

    plt.plot(data)
    plt.show()

信号绘制

可以看到信号被成功绘制出来了，然后我们将 振动数据转换为音频数据。
首先安装库：

pip install scipy

转换代码

import numpy as np
from scipy import interpolate

def resample( values, original_sampling_rate=200, target_sampling_rate=44100):
    time_values = np.linspace(0, len(values) * (1 / original_sampling_rate), len(values))
    f = interpolate.interp1d(time_values, values, kind='cubic')

    new_time_values = np.linspace(0, len(values) * (1 / original_sampling_rate),
                                  int(target_sampling_rate / original_sampling_rate * len(values)))
    vibration_array = f(new_time_values)

    return vibration_array

def make_audio(values=[], sampling_rate=200, target_sampling_rate=8000):
    values = np.array(values)
    resample_values = resample(values, sampling_rate, target_sampling_rate)

    min_value = -1
    max_value = 1
    # 进行最小-最大归一化
    normalized_num = (resample_values - resample_values.min()) / (resample_values.max() - resample_values.min()) * (
            max_value - min_value) + min_value
    avg = sum(normalized_num) / len(normalized_num)
    normalized_num = [v - avg for v in normalized_num]
    return normalized_num

由于振动传感器的采集仪采样频率不一定很高，所以我们需要将振动的频率通过 升采变为音频频率。

得到数据后，我们将其转换为 音频文件，首先需要安装库。

pip install soundfile

转换音频文件

import soundfile as sf

audio_data = make_audio(data, 200, 8000)
sf.write('test.wav', audio_data, 8000)

4、音频处理

转换出来的音频文件，可能人的声音不是特别清晰，我们可以使用开源软件进行处理。

下载 Audacity ，它是一个开源的音频处理软件，地址是：https://www.audacityteam.org/

通过它，我们就可以调整生成的音频质量：

软件界面

结尾

目前，文章中的音频处理是在软件中的，其实在代码中通过一些算法就可以调整声音的输出，我就不在这篇文章展开了，感兴趣的可以去了解了解 滤波、谱减法、小波等算法。