import wave # bearbeiten von .wav-Dateien import struct import sounddevice as sd import numpy as np import sys # für Fehlermeldungen from scipy import signal import csv import time import matplotlib.pyplot as plt """--------------------------------------------------------------------------------------------------------------------- In .wav-Dateien wird der Ton in absoluten Werte eingetragen. Die Standart-framerate ist 44100 das heißt für jede Sekunde an Ton gibt es 44100 Werte, die die Tonwelle über die Zeit beschreiben ---------------------------------------------------------------------------------------------------------------------""" class Tinnitus: # beinhaltet alle Werte, die vom Nutzer eingestellt werden def __init__(self, l_freq=0, r_freq=0, l_amp=0, r_amp=0, l_rausch=0, r_rausch=0, ohr=0, l_rausch_ug=10, r_rausch_ug=10, l_rausch_og=20000, r_rausch_og=20000): self.vorname = "" self.nachname = "" self.kommentar = "" # [Alle Frequenzangaben in Hz, alle Amplitudenangaben von 0-1 (float)] self.linksFrequenz = l_freq self.rechtsFrequenz = r_freq self.linksLautstaerke = l_amp self.rechtsLautstaerke = r_amp self.linksRauschenLautstaerke = l_rausch self.rechtsRauschenLautstaerke = r_rausch self.linksRauschenUntereGrenzfrequenz = l_rausch_ug self.rechtsRauschenUntereGrenzfrequenz = r_rausch_ug self.linksRauschenObereGrenzfrequenz = l_rausch_og self.rechtsRauschenObereGrenzfrequenz = r_rausch_og def speichern(self): # speichert die Nutzerdaten in eine .csv-Datei datei = open("TinnitusDaten.csv", "w") daten = "Vorname;" + self.vorname + "\n" daten += "Nachname;" + self.nachname + "\n" daten += "linke Frequenz;" + str(self.linksFrequenz) + "\n" daten += "linke Lautstärke;" + str(self.linksLautstaerke) + "\n" daten += "linkes Rauschen Lautstärke;" + str(self.linksRauschenLautstaerke) + "\n" daten += "linkes Rauschen untere Grenzfrequenz;" + str(self.linksRauschenUntereGrenzfrequenz) + "\n" daten += "linkes Rauschen obere Grenzfrequenz;" + str(self.linksRauschenObereGrenzfrequenz) + "\n" daten += "rechte Frequenz;" + str(self.rechtsFrequenz) + "\n" daten += "rechte Lautstärke;" + str(self.rechtsLautstaerke) + "\n" daten += "rechtes Rauschen Lautstärke;" + str(self.rechtsRauschenLautstaerke) + "\n" daten += "rechtes Rauschen untere Grenzfrequenz;" + str(self.rechtsRauschenUntereGrenzfrequenz) + "\n" daten += "rechtes Rauschen obere Grenzfrequenz;" + str(self.rechtsRauschenObereGrenzfrequenz) + "\n" daten += "Kommentar;" + str(self.kommentar) + "\n" datei.write(daten) datei.close() """---------------------------------KLASSE: SOUND----------------------------------------------------------------------- Sound beinhaltet alle Variablen, die zum erstellen einer .wav-Datei benötigt werden (siehe soun.wav_speichern()) Das 'sound_obj' ist für das dynamische abspielen zuständig (siehe sound.play()) Beim Initialisieren muss ein Tinnitus-Objekt übergeben werden ---------------------------------------------------------------------------------------------------------------------""" class Sound: def __init__(self, tinnitus, wav_name="MeinTinnitus.wav", audio=None, nchannels=2, sampwidth=2, framerate=44100, comptype="NONE", compname="not compressed", mute=True): if audio is None: audio = [] self.tinnitus = tinnitus self.wav_name = wav_name #Der Dateiname self.audio = audio # ein Array, in das die Sound-Werte geschrieben werden (von -1, bis +1) self.nchannels = nchannels # Zahl der audio channels (1:mono 2:stereo) self.sampwidth = sampwidth # Größe eines einzelnen Sound-Werts (in bytes) self.framerate = framerate # Abtastrate self.nframes = len(audio) # Anzahl der Sound-Werte -> Muss bei jeder audio-Änderung aktuallisiert werden self.comptype = comptype self.compname = compname self.mute = mute # wenn der mute boolean auf true gesetzt ist, sollte kein Ton ausgegeben werden self.sound_obj = sd.OutputStream(channels=2, callback=self.callback, samplerate=self.framerate) # Objekt fürs Abspielen (siehe sound.play()) self.start_idx = 0 # wird für sound_obj benötigt self.music_samplerate = 0 # die samplerate der ausgewählten Musikdatei self.music_data = 0 # das Numpy Array der ausgewählten Musikdatei self.filterfortschritt = 0, 0. # für feedback-fkt, 1.Position: Abschnitt-Nmr, 2.Positon: Speicherfortschritt def wav_speichern(self): # ezeugt/aktuallisiert die .wav-Datei print("Sound wird als .wav-Datei gespeichert. Bitte warten...\nDer Vorgang kann ca. 10 Sekunden dauern") wav_obj = wave.open(self.wav_name, "w") # Die Callback-Funktion aufrufen, um die Audiodaten zu bekommen frames = self.framerate * 10 # entspricht 10 Sekunden status = "" # für den Funktionsaufruf benötigt, sonst keine Funktion audio = np.ones((frames, 2)) audio = self.callback(audio, frames, self.sound_obj.time, status) # Rahmenparameter für die .wav-Datei setzen self.nframes = len(audio) wav_obj.setparams((self.nchannels, self.sampwidth, self.framerate, self.nframes, self.comptype, self.compname)) packedMusic = [] # Liste an die wir die einzelnen frames bereits in binär umgewandelt aneinanderreihen #Die Audiosamples schreiben for x in range(self.nframes): # geht jeden Sample-Wert der Musikdatei einzeln durch # Die Audiodaten müssen von float in einen passenden int-Wert umgerechnet werden packedMusic.append(struct.pack('h', int(audio[x][0] * 32767.0))) packedMusic.append(struct.pack('h', int(audio[x][1] * 32767.0))) value_str = b"".join(packedMusic) wav_obj.writeframes(value_str) wav_obj.close() print("Speichern beendet.") """Die Objekt-Funktion 'start()' startet die asynchrone Soundwiedergabe. Sie ruft dabei immer wieder die Funktion sound.callback() auf. Daher können die dort genutzten Variablen dynamisch geändert werden. """ def play(self): if not self.mute: # Nie abspielen, wenn die GUI auf stumm geschaltet ist self.sound_obj.start() # öffnet thread der immer wieder callback funktion aufruft und diese daten abspielt def stop(self): self.sound_obj.stop() # beendet die asynchrone Soundwiedergabe """Die Funktion callback() erzeugt bei jedem Aufruf die Audiodaten, abhängig von den aktuellen Tinnitus-Variablen. Die errechneten Werte werden in das NumPy-Array 'outdata' geschrieben """ def callback(self, outdata, frames, time, status): if status: # Warnungen, wenn das Soundobj. auf Fehler stößt (hauptsächlich over/underflow wg. Timingproblemen) print(status, file=sys.stderr) # Whitenoise erzeugen for x in range(len(outdata)): rand = (np.random.rand() - 0.5) # Zufallszahl zwischen -0.5 und 0.5 # links: outdata[x][0] = rand * self.tinnitus.linksRauschenLautstaerke # rechts: outdata[x][1] = rand * self.tinnitus.rechtsRauschenLautstaerke # Whitenoise durch Bandpass laufen lassen if self.tinnitus.linksRauschenLautstaerke: # (-3dB Grenzen) bzw was der Bandpass durchlässt fGrenz = [self.tinnitus.linksRauschenUntereGrenzfrequenz, self.tinnitus.linksRauschenObereGrenzfrequenz] # sos (=second order sections = Filter 2. Ordnung) ist ein Array der Länge (filterOrder) und beinhaltet # die Koeffizienten der IIR Filter 2. Ordnung (b0, b1, b2 & a0, a1, a2) sos = signal.butter(5, fGrenz, 'bandpass', fs=self.framerate, output='sos') # sosfilt filtert das Signal mittels mehrerer 'second order sections' (= Filter 2. Ordnung) die über sos definiert sind outdata[:, 0] = signal.sosfilt(sos, outdata[:, 0]) # Plotten des Filters für Filterentwicklung und Dokumentation nützlich--------- # w, h = signal.sosfreqz(sos, worN=1500) # plt.subplot(2, 1, 1) # db = 20 * np.log10(np.maximum(np.abs(h), 1e-5)) # plt.plot(w / np.pi, db) # plt.ylim(-75, 5) # plt.grid(True) # plt.yticks([0, -20, -40, -60]) # plt.ylabel('Gain [dB]') # plt.title('Frequency Response') # plt.subplot(2, 1, 2) # plt.plot(w / np.pi, np.angle(h)) # plt.grid(True) # plt.yticks([-np.pi, -0.5 * np.pi, 0, 0.5 * np.pi, np.pi], # [r'$-\pi$', r'$-\pi/2$', '0', r'$\pi/2$', r'$\pi$']) # plt.ylabel('Phase [rad]') # plt.xlabel('Normalized frequency (1.0 = Nyquist)') # plt.show() # ------------------------------------------------------------------------------- if self.tinnitus.rechtsRauschenLautstaerke: # (-3dB Grenzen) bzw was der Bandpass durchlässt fGrenz = [self.tinnitus.rechtsRauschenUntereGrenzfrequenz, self.tinnitus.rechtsRauschenObereGrenzfrequenz] # sos (=second order sections = Filter 2. Ordnung) ist ein Array der Länge (filterOrder) und beinhaltet # die Koeffizienten der IIR Filter 2. Ordnung (b0, b1, b2 & a0, a1, a2) sos = signal.butter(5, fGrenz, 'bandpass', fs=self.framerate, output='sos') # sosfilt filtert das Signal mittels mehrerer 'second order sections' (= Filter 2. Ordnung) die über sos definiert sind outdata[:, 1] = signal.sosfilt(sos, outdata[:, 1]) # Sinus addieren: f(t) = A * sin(2 * pi * f * t) for x in range(len(outdata)): # links: rauschen und sinus wieder zusammen addieren outdata[x][0] += self.tinnitus.linksLautstaerke * np.sin(2 * np.pi * self.tinnitus.linksFrequenz * ((x + self.start_idx) / self.framerate)) # rechts: rauschen und sinus wieder zusammen addieren outdata[x][1] += self.tinnitus.rechtsLautstaerke * np.sin(2 * np.pi * self.tinnitus.rechtsFrequenz * ((x + self.start_idx) / self.framerate)) self.start_idx += frames return outdata def musik_filtern(self): """ Diese Funktion filtert die Tinnitus Frequenz aus einer gewählten Musikdatei. Dabei geht sie in 3 großen Schritten vor: 1. Die nötigen Informationen über den Tinnitus aus der .csv Datei herausholen 2. Die digitalen Filter erstellen und die Tinnitus Frequenz aus der Audiodatei "herausschneiden" 3. Die fertigen Audiodatei als .wav Datei speichern """ nframes = len(self.music_data) # Gesamtanzahl der Frames in der Musikdatei # ------------1. Die nötigen Informationen über den Tinnitus aus der .csv Datei herausholen--------------------- self.filterfortschritt = 1, 0 # der erste schritt csvstring = open("TinnitusDaten.csv").read() tinnitus_data = csvstring.split("\n") # linke Frequenz aus csv Datei holen lf = tinnitus_data[2] lf = lf.split(";") lf = float(lf[1]) # rechte Frequenz aus csv Datei holen rf = tinnitus_data[7] rf = rf.split(";") rf = float(rf[1]) # linke Lautstärke aus cvs Datei holen ll = tinnitus_data[3] ll = ll.split(";") ll = float(ll[1]) # rechte Lautstärke aus cvs Datei holen rl = tinnitus_data[8] rl = rl.split(";") rl = float(rl[1]) # -------- 2. Die digitalen Filter erstellen und die Tinnitus Frequenz aus der Audiodatei "herausschneiden------ self.filterfortschritt = 2, 0 # der zweite schritt im Feedback start_time = time.time() # einen Timer laufen lassen um zu sehen wie lange Filterung dauert self.music_data = self.music_data/32767 # convert array from int16 to float # ------------------------------------------LEFT EAR FILTERING------------------------------------------------- # Filterparameter festlegen------------ order = 501 # Filterordnung bandwidth = 1000 # Bandbreite des Sperrbereichs in Hz #stop_attenuation = 100 # minimum Attenuation (Damping, Reduction) in stop Band [only for elliptic filter necessary] cutoff_frequencies = [(lf - (bandwidth / 2)), (lf + (bandwidth / 2))] # the cutoff frequencies (lower and upper) max_ripple_passband = 50 # Maximal erlaubte Welligkeit im Passbereich # ------------------------------------- if ll != 0.0: # nur wenn die Lautstärke des linken Tinnitus ungleich 0 ist, wird auf diesem Ohr auch gefiltert # b, a = signal.iirfilter(order, cutoff_frequencies, rp=max_ripple_passband, btype='bandstop', ftype='butter', # fs=self.music_samplerate) # Diese Funktion erstellt den IIR-Bandpassfilter (links) # # music_links = signal.lfilter(b, a, self.music_data[:, 0]) # diese Funktion wendet den Filter an # # print("b=", b) # print("a=", a) # FIR Filterversuch #h = signal.firwin(order, cutoff_frequencies, pass_zero="bandstop", fs=self.music_samplerate, width=bandwidth, # window="hamming") h = signal.firwin(order, [cutoff_frequencies[0], cutoff_frequencies[1]], fs=self.music_samplerate) print("h= ", h) music_links = signal.lfilter(h, 1.0, self.music_data[:, 0]) else: music_links = self.music_data[:, 0] # ungefiltert, wenn kein Tinnitus angegeben wurde # ------------------------------------- RIGHT EAR FILTERING ------------------------------------------------ if rl != 0.0: # nur wenn die Lautstärke des rechten Tinnitus ungleich 0 ist, wird auf diesem Ohr auch gefiltert cutoff_frequencies = [(rf - (bandwidth / 2)), ( rf + (bandwidth / 2))] # change the cutoff frequencies to the tinnitus of the RIGHT EAR # h = signal.iirfilter(order, cutoff_frequencies, rp=max_ripple_passband, btype='bandstop', ftype='butter', # fs=self.music_samplerate) # Diese Funktion erstellt den IIR-Bandpassfilter (rechts) # # music_rechts = signal.lfilter(b, a, self.music_data[:, 1]) # rechts # FIR Filterversuch print("UG Freq = ", cutoff_frequencies[0]/(self.music_samplerate/2)) h = signal.firwin(order, [cutoff_frequencies[0], cutoff_frequencies[1]], fs=self.music_samplerate) music_rechts = signal.lfilter(h, [1.0], self.music_data[:, 1]) else: music_rechts = self.music_data[:, 1] # diese Funktion filtert die Audiodaten(die Tinnitusfreq wird entfernt) endTimeFiltering = time.time() print("benötigte Zeit zum Filtern rechts Ohr =", endTimeFiltering - start_time, "s") #----------------------- 3. Maxima finden und Samples auf 1 normieren ---------------------------- self.filterfortschritt = 3, 0 # der dritte schritt #Maximum finden (Funktion max(...) ist minimal schneller, macht aber Probleme beim Feedback) start_time = time.time() max_ges = 0 fortschritt = 0 for i in range(nframes): if max_ges < abs(music_links[i]): max_ges = abs(music_links[i]) if max_ges < abs(music_rechts[i]): max_ges = abs(music_rechts[i]) if i % int(nframes/10) == 0: # glaub hier stand 10000 davor oder 50000 fortschritt += 10 self.filterfortschritt = 3, round(fortschritt, 1) print(" max: ", self.filterfortschritt[1], "%") end_time = time.time() print("Zeitaufwand Maxima-Suche: ", end_time - start_time) #auf 4 Nachkommastellen aufrunden start_time = time.time() max_ges = int(max_ges * 10000) max_ges += 1 max_ges /= 10000 end_time = time.time() print("Zeitaufwand Maximum runden: ", end_time - start_time) #Alle samples normieren start_time = time.time() music_links /= max_ges music_rechts /= max_ges end_time = time.time() print("Zeitaufwand samples normieren: ", end_time - start_time) # ------------------------- 4. Die fertigen Audiodatei als .wav Datei speichern -------------------------------- self.filterfortschritt = [4, 0] # der vierte Schritt start_time = time.time() wav_obj = wave.open("MyTinnitusFreeSong.wav", "w") # Rahmenparameter für die .wav-Datei setzen wav_obj.setparams((self.nchannels, self.sampwidth, self.music_samplerate, nframes, self.comptype, self.compname)) """The values are stored in a temporary list, and when the process is finished, they are joined together into an string which is then sent to the output with the traditional writeframes method.""" packedMusic = [] # Liste an die wir die einzelnen frames bereits in binär umgewandelt aneinanderreihen # Die Audiosamples schreiben print("Musikdatei wird erstellt...") fortschritt = 0 for tinnitus_data in range(nframes): #geht jeden Sample-Wert der Musikdatei einzeln durch # Die Audiodaten müssen von float in einen passenden int-Wert umgerechnet werden packedMusic.append(struct.pack('h', int(music_links[tinnitus_data] * 32767.0))) packedMusic.append(struct.pack('h', int(music_rechts[tinnitus_data] * 32767.0))) # wav_obj.writeframes(struct.pack('h', int(music_links[x] * 32767.0))) # Werte für links und rechts werden bei # wav_obj.writeframes(struct.pack('h', int(musicRechts[x] * 32767.0))) # wav abwechselnd eingetragen if tinnitus_data % int(nframes/10) == 0: fortschritt += 10 self.filterfortschritt = 4, round(fortschritt, 1) print(" samples: ", self.filterfortschritt[1], "%") end_time = time.time() print("Zeitaufwand für das packen der einzelnen Samples =", end_time - start_time, "s") value_str = b"".join(packedMusic) start = time.time() wav_obj.writeframes(value_str) end = time.time() print("Zeitaufwand für das schreiben aller Frames in die wav Datei =", end - start, "s") wav_obj.close() print("Speichern beendet.") self.filterfortschritt = 5, 0 #Nach erfolgreichem Filtern Fortschritt zur Bestätigung auf 5 setzen # Plot (hilfreich für Filterentwurf) # freq, h = signal.freqz(b, a, fs=self.music_samplerate) # fig, ax = plt.subplots(2, 1, figsize=(8, 6)) # ax[0].plot(freq, 20 * np.log10(abs(h)), color='blue') # ax[0].set_title("Frequency Response") # ax[0].set_ylabel("Amplitude (dB)", color='blue') # ax[0].set_xlim([0, 10000]) # ax[0].set_ylim([-120, 10]) # ax[0].grid() # ax[1].plot(freq, np.unwrap(np.angle(h)) * 180 / np.pi, color='green') # ax[1].set_ylabel("Angle (degrees)", color='green') # ax[1].set_xlabel("Frequency (Hz)") # ax[1].set_xlim([0, 10000]) # ax[1].set_yticks([-90, -60, -30, 0, 30, 60, 90]) # ax[1].set_ylim([-90, 90]) # ax[1].grid() # plt.show()