如何修改scipy.io.wavfile.read以读取11位深度ECG信号WAV文件？

嘿，我完全懂你碰到的这个糟心问题——scipy.io.wavfile.read确实只支持标准的8/16/24/32位深度的WAV文件，碰到11位这种非标准格式直接就报错了。下面给你两种实用的解决思路，代码拿过去就能用：

方法一：用Python内置wave模块手动解析 #

这个方法更底层，能自己处理任意位深度的PCM数据，完全可控：

import wave
import numpy as np

def read_11bit_wav(file_path):
    with wave.open(file_path, 'rb') as wav_file:
        # 获取WAV文件基础信息
        n_channels = wav_file.getnchannels()
        sample_rate = wav_file.getframerate()
        n_frames = wav_file.getnframes()
        # 读取原始字节数据
        raw_data = wav_file.readframes(n_frames)
        
        # 处理11位采样：每11位对应一个采样值，需要按字节拆分重组比特流
        total_samples = n_frames * n_channels
        total_bits = total_samples * 11
        # 把字节转成连续的比特字符串
        bit_stream = ''.join(f'{byte:08b}' for byte in raw_data)
        # 截取有效比特（末尾可能有补零，只取前total_bits位）
        bit_stream = bit_stream[:total_bits]
        
        # 拆分每个11位采样并转为整数
        samples = []
        for i in range(0, total_bits, 11):
            sample_bits = bit_stream[i:i+11]
            # 处理有符号PCM的符号位（如果是无符号格式，去掉这段逻辑即可）
            if sample_bits[0] == '1':
                # 负数：取反加1转十进制
                sample = -((int(sample_bits[1:], 2) ^ 0x7FF) + 1)
            else:
                sample = int(sample_bits[1:], 2)
            samples.append(sample)
        
        # 转为numpy数组并按声道整理形状
        samples_np = np.array(samples, dtype=np.int16).reshape(-1, n_channels)
        return sample_rate, samples_np

# 使用示例
rate, data = read_11bit_wav('sig100.wav')
print(f"采样率: {rate}")
print(f"数据形状: {data.shape}")

小提示： #

• 这里默认你的11位WAV是有符号PCM格式，如果是无符号的，直接删除符号位处理的代码段就行。
• 最终用int16存储数据，因为11位采样的范围（-1024到1023）完全能被int16覆盖。

方法二：用librosa库读取（更简洁省心） #

librosa对非标准WAV格式的兼容性比scipy好很多，它会自动处理位深度的问题：

import librosa

# 读取文件，sr=None表示保留原采样率不重采样
data, rate = librosa.load('sig100.wav', sr=None)
print(f"采样率: {rate}")
print(f"数据形状: {data.shape}")

说明： #

• librosa会自动把采样数据归一化到[-1, 1]的浮点型数组，如果需要原始整数格式，可以用librosa.util.buf_to_int转换回去。
• 用之前需要先安装librosa：pip install librosa

另外，其实不太推荐修改scipy.io.wavfile.read的源码来适配11位格式——要改的地方涉及位深度判断、数据解析逻辑等好几个部分，而且scipy每次更新都会覆盖你的修改，远不如上面两种方法靠谱。

内容的提问来源于stack exchange，提问作者Abyr