0 背景

最近要生成一个扫幅信号（amplitude sweep signal），要求幅值变化为12dB，信号为某个频率的正弦波或者白噪声均可。看了几个开源GUI软件，其中 audacity 的 Generate->Chirp 功能可以生成需求的正弦波，但是却不支持白噪声。如果先生成白噪声，然后通过添加 Effect -> Fade In ，则不能满足任意的幅值变化，幅值只能从 0 变为 1。

因此，我研究了一下命令行的音频处理工具，发现了本文要介绍的 SoX.

1 简介

Sox 号称音频处理界的“瑞士军刀”，提供了音频组合（包括mix, merge等），音频合成，以及音频播放器或者多轨录音器的功能。此外，它也提供了有限的分割一个音频文件为多个的功能。

Sox 在命令行上主要有以下四个程序：

SoX 的处理流程如下所示：

Input(s) → Combiner → Effects → Output(s)

注意，在命令行上调用时顺序与上面所示不同：

sox [global-options] [format-options] infile1
    [[format-options] infile2] ... [format-options] outfile
    [effect [effect-options]] ...

音频文件的格式

音频文件的格式的确定

SoX 有多个规则来决定音频文件的格式。

对于输入文件，SoX 会按照如下的优先级从高到低地去决定其格式：

  1. 命令行指定的格式选项
  2. 文件头的信息
  3. 文件名后缀

对于输出文件， SoX 会按照如下的优先级从高到低地去决定其格式：

  1. 命令行指定的格式选项
  2. 文件名后缀
  3. 输入文件的格式（其中好像不包括采样点的大小端）

2 实践

以下记录了我用 SoX 做的一些实践。

生成扫幅信号

这里假设我要生成一个幅值差12dB的正弦波文件。我使用的方法是利用 synth 和 gain 生成一个恒定的正弦波，然后利用 synth, gain 和 fade 生成一个渐入的正弦波。然后，将两者 mix起来。

这里需要计算两个正弦波的 gain 设为多少，计算过程如下：

设恒定的白噪声的RMS为 x, 渐入的白噪声的最大RMS为 y, 混音后的最大RMS为 z.

则有：(x + y) / 2 = z                                (1)

由于需要幅值差最大为12dB，可得：

(x + 0) / 2 = z / 4  # 因为12dB对应于4倍幅值差       (2)

由(1) 和 (2) 可得：

x = z/2

y = 3*z/2 

假设上面的 x, y, z都是相对于特定格式所能表示的最大值的比例， 也即：

0 <= x, y, z <= 1

因此有：

0 <= z <= 2/3

我们可以取 x = 0.3, y = 0.9, z = 0.6. 相对应的增益为，恒定的波形增益为 20*log10(0.3/1) = -10.46dB, 渐入的波形增益为 20*log10(0.9/1) = -0.92dB.

由此，我们可以执行如下 SoX 命令：

$ sox -m "|sox -n -p synth 10 sine 1000 gain -10.46" "|sox -n -p synth 10 sine 1000 gain -0.92 fade t 10" output.wav

同样的方法如果用于白噪声，得到的结果貌似不太精确。