指数扫频生成：检测末尾过零点替代淡出的可行性与实现方法

问题1结论：单独用过零点截断替换线性淡出，既不会效果更好，也没有速度优势 #

具体原因分两点说明：

• 效果层面
  直接截断到最后一个过零点本质还是矩形窗硬切，只是避免了截断点非零带来的直流跳变，依然会引入频谱泄漏，产生可闻的高频“咔哒”声；同时截断会改变信号实际时长，导致你预设的最高扫频频率出现偏差，如果你用这个扫频做声学测量，这个偏差会直接拉低冲激响应的计算精度。
  反观你现在用的50点线性淡出，相当于给截断位置加了个短过渡窗，只要淡出长度大于信号最高频率的2个周期，就能把截断失真压到人耳不可闻的水平，效果远好于直接硬切。
• 速度层面
  你现在的fade函数是numba jit编译的，50次循环的运算量是纳秒级，几乎不占信号生成时间；而过零点检测需要遍历末尾采样判断符号翻转，运算量和50点fade基本持平，如果要做线性插值找精确过零点，运算量还会更高，完全没有速度优势。

只有一种情况过零点定位有价值：当你因为特殊需求必须把淡出长度压到极短（比如10个采样点以内），把淡出的结束点对齐到过零点，可以比固定位置淡出进一步降低失真。

问题2：不推荐直接使用截断方案，如果要结合过零点优化淡出效果，可以按如下方式实现 #

正确的优化思路不是直接截断，而是把淡出段的结束位置对齐到最后一个过零点，既保留短淡出的低失真优势，又避免淡出结束点非零带来的额外跳变，实现代码完全兼容numba nopython模式：

import numpy as np
from numba import jit

@jit(nopython=True)
def fade(data, gain_start, gain_end):
    gain = gain_start
    delta = (gain_end - gain_start) / (len(data) - 1)
    for i in range(len(data)):
        data[i] = data[i] * gain
        gain = gain + delta
    return data

@jit(nopython=True)
def find_last_zero_crossing(data, search_range):
    # 仅搜索末尾指定长度的片段，避免全数组遍历浪费性能
    start_idx = max(0, len(data) - search_range)
    last_cross_pos = len(data) - 1
    for i in range(start_idx + 1, len(data)):
        # 相邻采样符号相反即为过零点
        if data[i-1] * data[i] < 0:
            last_cross_pos = i
    return last_cross_pos

@jit(nopython=True)
def generate_exponential_sweep(time_in_seconds, sr, starting_frequency, ending_frequency):
    sweep_duration = time_in_seconds
    time_in_samples = int(time_in_seconds * sr)
    exponential_sweep = np.zeros(time_in_samples, dtype=np.double)
    freq_log_ratio = np.log(ending_frequency / starting_frequency)
    phase_const = (2 * np.pi * starting_frequency * sweep_duration) / freq_log_ratio

    for n in range(time_in_samples):
        t = n / sr
        exponential_sweep[n] = np.sin(
            phase_const * (np.exp((t / sweep_duration) * freq_log_ratio) - 1)
        )

    fade_length = 50
    # 搜索范围设为淡出长度的2倍，保证能搜到至少一个过零点
    last_zc_pos = find_last_zero_crossing(exponential_sweep, search_range=fade_length*2)
    fade_start_pos = max(0, last_zc_pos - fade_length)
    # 对过零点前的fade_length个采样做线性淡出
    fade_segment = exponential_sweep[fade_start_pos:last_zc_pos]
    exponential_sweep[fade_start_pos:last_zc_pos] = fade(fade_segment, 1.0, 0.0)
    # 过零点后的采样全部置0
    exponential_sweep[last_zc_pos:] = 0.0

    return exponential_sweep

实现说明：

• 不要直接截断到过零点就返回，必须保留淡出过渡段，否则高频失真依然明显
• 搜索范围不需要覆盖全数组，只要大于最高频率的2个周期长度，就一定能搜到过零点，性能损耗可以忽略
• 如果追求更低的失真，可以把线性fade替换成半汉宁窗fade，只需要修改fade函数里的增益计算逻辑即可

内容的提问来源于stack exchange，提问作者Ettore Carlessi