我想要一个预处理算法以完全确定的方式对音频进行下采样

所有编码算法都是确定性的，除非它们专门设计为不（使用随机种子）或存在不一致的初始化。这就是回归测试背后的基本思想。所以是的：除非你做错了什么，否则任何下采样算法都是确定性的。

并且有办法重建原始信号将是一个奖励

一般情况下是做不到的。

我不建议在 signal.decimate 函数中使用任何默认过滤器进行抽取操作。如果观察到“非确定性”效应可能是由于噪声混叠造成的。使用最小二乘算法 (scipy.signal.firls) 设计的 FIR 滤波器更适合，因为对于相同数量的系数（复杂度），它在最小二乘意义上总体上具有最小的噪声，并且重要的是会表现出阻带随频率增加而下降的滚降。随着抽取率的增加，这是一个重要的点，因为对于每个抽取因子，都有$D$$D-1$直接折叠到感兴趣的主要频带上的混叠区域。1 型 Chebyshev 还具有显着的阻带滚降（不像 Hamming 是次要的或使用 Parks-McLellan 没有的等波纹 FIR 设计），但对大部分频带的抑制远不如可以使用多频带滤波器轻松实现。阻带滚降会将混叠噪声的增长限制在第一对折叠区域。

也就是说，我最喜欢的抽取方法是使用使用 firls 设计的多频带滤波器（这会将拒绝集中到重要的区域），然后选择每个 Dth 样本进行下采样。

这些算法都是确定性的。

切比雪夫设计是否是您的抽取所需要的，这是一个广泛的问题。可能您同样可以使用 scipy.firdes 设计一个低通滤波器，然后在丢弃您想要忽略的样本数量（例如，每个奇数样本）之前使用它来过滤您的输入。