以前の質問に続いて、私の目標は、C# から WAV ファイル内の DTMF トーンを検出することです。ただし、これを行う方法を理解するのに本当に苦労しています。
DTMF は周波数の組み合わせを使用し、Goertzel アルゴリズムを使用できることを理解しています...どういうわけか。Goertzel のコード スニペットを取得し、その中に .WAV ファイルを押し込んでみました (NAudio を使用してファイルを読み取ります。これは 8KHz モノラル 16 ビット PCM WAV です)。
using (WaveFileReader reader = new WaveFileReader(@"dtmftest_w.wav"))
{
byte[] buffer = new byte[reader.Length];
int read = reader.Read(buffer, 0, buffer.Length);
short[] sampleBuffer = new short[read/2];
Buffer.BlockCopy(buffer, 0, sampleBuffer, 0, read/2);
Console.WriteLine(CalculateGoertzel(sampleBuffer,8000,16));
}
public static double CalculateGoertzel(short[] sample, double frequency, int samplerate)
{
double Skn, Skn1, Skn2;
Skn = Skn1 = Skn2 = 0;
for (int i = 0; i < sample.Length; i++)
{
Skn2 = Skn1;
Skn1 = Skn;
Skn = 2 * Math.Cos(2 * Math.PI * frequency / samplerate) * Skn1 - Skn2 + sample[i];
}
double WNk = Math.Exp(-2 * Math.PI * frequency / samplerate);
return 20 * Math.Log10(Math.Abs((Skn - WNk * Skn1)));
}
私がやっていることが間違っていることはわかっています。バッファを反復処理し、一度に小さなチャンクの Goertzel 値のみを計算する必要があると想定していますが、これは正しいですか?
第二に、Goertzel メソッドの出力が何を伝えているのかよくわかりません: double (例: 210.985812) が返されますが、それをオーディオ内の DTMF トーンの存在と値と同一視する方法がわかりません。ファイル。
この回答で参照されているライブラリを含め、どこでも回答を検索しました。残念ながら、ここのコードは機能していないようです (サイトのコメントに記載されているとおり)。TAPIExが提供する商用ライブラリがあります。私は彼らの評価ライブラリを試してみましたが、まさに私が必要としているものを実行してくれました - しかし、彼らは電子メールに応答していません。
おそらく正確な質問がわからないときに答えを探していることを非常に意識していますが、最終的に必要なのは .WAV ファイルで DTMF トーンを見つける方法だけです。私は正しい方向に進んでいますか? そうでない場合、誰かが私を正しい方向に向けることができますか?
編集: @Abbondanza のコードを基礎として使用し、オーディオ ファイルの小さなセクションをドリップフィードする必要があるという (おそらく根本的に間違っている) 仮定に基づいて、これを取得しました (非常に大まかな概念実証のみ) コード:
const short sampleSize = 160;
using (WaveFileReader reader = new WaveFileReader(@"\\mac\home\dtmftest.wav"))
{
byte[] buffer = new byte[reader.Length];
reader.Read(buffer, 0, buffer.Length);
int bufferPos = 0;
while (bufferPos < buffer.Length-(sampleSize*2))
{
short[] sampleBuffer = new short[sampleSize];
Buffer.BlockCopy(buffer, bufferPos, sampleBuffer, 0, sampleSize*2);
var frequencies = new[] {697.0, 770.0, 852.0, 941.0, 1209.0, 1336.0, 1477.0};
var powers = frequencies.Select(f => new
{
Frequency = f,
Power = CalculateGoertzel(sampleBuffer, f, 8000)
});
const double AdjustmentFactor = 1.05;
var adjustedMeanPower = AdjustmentFactor*powers.Average(result => result.Power);
var sortedPowers = powers.OrderByDescending(result => result.Power);
var highestPowers = sortedPowers.Take(2).ToList();
float seconds = bufferPos / (float)16000;
if (highestPowers.All(result => result.Power > adjustedMeanPower))
{
// Use highestPowers[0].Frequency and highestPowers[1].Frequency to
// classify the detected DTMF tone.
switch (Convert.ToInt32(highestPowers[0].Frequency))
{
case 1209:
switch (Convert.ToInt32(highestPowers[1].Frequency))
{
case 697:
Console.WriteLine("1 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 770:
Console.WriteLine("4 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 852:
Console.WriteLine("7 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 941:
Console.WriteLine("* pressed at " + bufferPos);
break;
}
break;
case 1336:
switch (Convert.ToInt32(highestPowers[1].Frequency))
{
case 697:
Console.WriteLine("2 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 770:
Console.WriteLine("5 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 852:
Console.WriteLine("8 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 941:
Console.WriteLine("0 pressed at " + bufferPos + " (" + seconds + "s)");
break;
}
break;
case 1477:
switch (Convert.ToInt32(highestPowers[1].Frequency))
{
case 697:
Console.WriteLine("3 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 770:
Console.WriteLine("6 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 852:
Console.WriteLine("9 pressed at " + bufferPos + " (" + seconds + "s)");
break;
case 941:
Console.WriteLine("# pressed at " + bufferPos + " (" + seconds + "s)");
break;
}
break;
}
}
else
{
Console.WriteLine("No DTMF at " + bufferPos + " (" + seconds + "s)");
}
bufferPos = bufferPos + (sampleSize*2);
}
これは、Audacity で表示されるサンプル ファイルです。押されたDTMFキープレスを追加しました-
そして...ほとんど機能します。上記のファイルから、ほぼ正確に 3 秒経過するまで DTMF が表示されないはずですが、私のコードでは次のように報告されています。
9 pressed at 1920 (0.12s)
1 pressed at 2880 (0.18s)
* pressed at 3200
1 pressed at 5120 (0.32s)
1 pressed at 5440 (0.34s)
7 pressed at 5760 (0.36s)
7 pressed at 6080 (0.38s)
7 pressed at 6720 (0.42s)
5 pressed at 7040 (0.44s)
7 pressed at 7360 (0.46s)
7 pressed at 7680 (0.48s)
1 pressed at 8000 (0.5s)
7 pressed at 8320 (0.52s)
... 3 秒になるまで、それから正しい答えに落ち着き始めます: それ1は押されました:
7 pressed at 40000 (2.5s)
# pressed at 43840 (2.74s)
No DTMF at 44800 (2.8s)
1 pressed at 45120 (2.82s)
1 pressed at 45440 (2.84s)
1 pressed at 46080 (2.88s)
1 pressed at 46720 (2.92s)
4 pressed at 47040 (2.94s)
1 pressed at 47360 (2.96s)
1 pressed at 47680 (2.98s)
1 pressed at 48000 (3s)
1 pressed at 48960 (3.06s)
4 pressed at 49600 (3.1s)
1 pressed at 49920 (3.12s)
1 pressed at 50560 (3.16s)
1 pressed at 51520 (3.22s)
1 pressed at 52160 (3.26s)
4 pressed at 52480 (3.28s)
1.2をAdjustmentFactor超えると、ほとんど検出されなくなります。
私はほとんどそこにいると感じていますが、私が見逃しているものを誰か見ることができますか?
EDIT2: 上記のテスト ファイルは、こちらから入手できます。上記adjustedMeanPowerの例の は47.6660450354638であり、累乗は次のとおりです。
