十年前，我女儿上了高中。电磁学是那学期物理课的关键内容。我女儿回家抱怨课堂上的物理实验是纸上谈兵。老师只播放幻灯片和实验动画，没有仪器可以直观地看到电磁实验中感应电流的变化。为了帮助女儿理解电磁感应，爷爷和儿子花了一周的时间制作了一个软件，用声卡测量电磁实验中的感应电流，以及一套楞次定律实验装置。

那时候，Python还是默默无闻的无名之辈，我当时用的工具是Python，GUI库用的是wxPython，数据采集和处理是pyAudio模块和Numpy模块。时至今日，Python已成为最具影响力的开发工具，而pyAudio和Numpy还是很活跃，wxPython也早已浴火重生，迎来了phoenix版。

音频信号是一种模拟信号，在收集和处理声卡信号后，成为计算机可以处理的数字信息。采样定理是模拟信号数字化的理论基础。采样定理，又称香农采样定理或奈奎斯特采样定理，描述非常简单：采样频率大于或等于有效信号最高频率的两倍，采样值可以包含原始信号的所有信息，采样信号可以恢复原始信号。采样定理含有采样频率和量化精度两个基本概念。

对于声卡，采样频率是指每秒从连续音频信号中采集并形成离散信号的采样数量（Hz）为单位。采样频率越高，声卡输出的采样数据越多，信号波形的表示越准确。2205022050Hz和44100Hz，最大复现频率为10KHz和20KHz，分别对应调频广播水平的音质和CD音质等级。

声卡收集到的每个数据点都保存在整形数据中，整形数据的位数是量化精度。常用的量化精度有8位、16位和24位。以16位量化精度为例，每个采样数据占两个字节，信号强度为-32768~32767之间。

假设音频示波器的采样频率为44100Hz，选择16位定量精度，声卡每秒产生88位.2KB音频示波器的屏幕上需要实时显示数据。在这里，声卡作为数据的生产者，音频示波屏作为数据的消费者，独立从事自己的工作，同时保持严格的时间顺序关系。这是典型的生产者-消费者模式，其核心是数据队列。

pyAudio是Python一个历史悠久、性能优异的音频处理模块，特别擅长声音采集。AudioSampler是基于pyAudio默认采样频率为44100Hz，实例化需要提供一个队列作为参数。采样器实例工作时，数据块连续写入队列。默认情况下，每个数据块的大小为1024个采样点。采样器支持实时模式和触发两种工作模式。所谓实时模式，就是输出所有的采样数据块；所谓触发模式，就是一个数据块内信号幅度超过触发阈值的采样点数量超过触发数量时才会输出，否则就丢弃。完整的采样器代码如下。

sample.py

# -*- coding: utf-8 -*-  import pyaudio import numpy as np  class AudioSampler:     """音频采样器"""          def __init__(self, dq, rate=44100):         """构造函数"""                  self.dq = dq                                # 数据队列         self.rate = rate                            # 采样频率         self.chunk = 1024                           # 数据块大小         self.mode = 1                               # 模式开关：0 - 触发模式，1 - 实时模式         self.level = 16                             # 触发模式下的触发阈值         self.over = 1                               # 触发模式下的触发数量
        self.running = False                        # 采样器工作状态
        
    def set_args(self, **kwds):
        """设置参数"""
        
        if 'mode' in kwds:
            self.mode = kwds['mode']
        
        if 'level' in kwds:
            self.level = kwds['level']
        
        if 'over' in kwds:
            self.over = kwds['over']
    
    def start(self):
        """音频采集"""
        
        pa = pyaudio.PyAudio()
        stream = pa.open(
            format              = pyaudio.paInt16,  # 量化精度（16位，动态范围：-32768~32767）
            channels            = 1,                # 通道数
            rate                = self.rate,        # 采样频率
            frames_per_buffer   = self.chunk,       # pyAudio内部缓存的数据块大小
            input               = True
        )
        
        self.running = True
        self.dq.queue.clear()
        
        while self.running:
            data = stream.read(self.chunk)
            data = np.fromstring(data, dtype=np.int16)
            
            if self.mode or np.sum([data > self.level, data < -self.level]) > self.over:
                self.dq.put(data)
        
        stream.close()
        pa.terminate()
        
    def stop(self):
        """停止采集"""
        
        self.running = False

Matplotlib是一个不错的绘图模块，但不适合绘制动态数据——尽管它有animation子模块，怎奈刷新速度跟不上每秒80KB的数据生产速度，只能另寻他途。这里，我用wx.DC配合Numpy的高效数据处理，以近乎“手工”的方式构造了一个示波器显示屏幕，可以轻松应对每秒80KB的数据的数据流量，毫无迟滞感。完整的示波器显示屏幕代码如下。

screen.py