如何计算音频信号块的噪声/变异量？用Python生成模式噪声因子咨询

针对上图的两种模式，我想用Python生成一个噪声因子来量化信号的噪声程度——比如平滑模式返回0.1，噪声模式返回0.6。我想到几个可行思路：

• 统计峰值与谷值的数量
• 统计尖锐角度的数量
• 结合上述两种方法

以下是具体的Python实现方案：

方法一：基于峰值/谷值数量计算噪声因子 #

通过检测信号中的峰值和谷值数量，归一化后得到噪声因子——噪声越多的信号，单位时间内的峰谷数量越多。

import numpy as np
from scipy.signal import find_peaks

def calculate_noise_factor_peaks(signal, sample_rate):
    # 检测峰值，distance参数避免过度检测相邻小峰值
    peaks, _ = find_peaks(signal, distance=sample_rate//20)
    # 检测谷值（反转信号后找峰值）
    valleys, _ = find_peaks(-signal, distance=sample_rate//20)
    total_extrema = len(peaks) + len(valleys)
    
    # 归一化：根据信号时长设定极值数量的上下限
    signal_duration = len(signal) / sample_rate
    max_extrema = 50 * signal_duration  # 高噪声场景的极值上限
    min_extrema = 5 * signal_duration   # 平滑场景的极值下限
    
    noise_factor = (total_extrema - min_extrema) / (max_extrema - min_extrema)
    # 将因子限制在0-1范围内
    return np.clip(noise_factor, 0, 1)

方法二：基于斜率突变（尖锐角度）计算噪声因子 #

通过计算信号的二阶差分，统计斜率突变超过阈值的次数——噪声信号的斜率突变更频繁。

import numpy as np

def calculate_noise_factor_slope(signal, threshold=0.2):
    # 一阶差分：相邻采样点的幅值变化
    diff = np.diff(signal)
    # 二阶差分：斜率的变化量（反映信号突变程度）
    diff_of_diff = np.diff(diff)
    # 统计超过阈值的突变次数
    sharp_changes = np.sum(np.abs(diff_of_diff) > threshold)
    
    # 归一化：根据信号长度设定突变次数的上下限
    max_changes = len(signal) // 5
    min_changes = len(signal) // 50
    
    noise_factor = (sharp_changes - min_changes) / (max_changes - min_changes)
    return np.clip(noise_factor, 0, 1)

方法三：结合两种方法 #

将峰谷因子和斜率突变因子加权平均，得到更鲁棒的综合噪声因子：

def calculate_combined_noise_factor(signal, sample_rate, peak_weight=0.6, slope_weight=0.4):
    peak_factor = calculate_noise_factor_peaks(signal, sample_rate)
    slope_factor = calculate_noise_factor_slope(signal)
    return peak_factor * peak_weight + slope_factor * slope_weight

注意事项 #

• 代码中的阈值、归一化参数需要根据你的实际音频场景调整（比如采样率、信号类型），确保平滑信号的因子接近0.1，噪声信号接近0.6。
• 如果是原始音频信号，建议先做预处理（如去除直流分量、归一化幅值），提升计算准确性。

内容的提问来源于stack exchange，提问作者Prashant